مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1817

3 نتایج بیمار گزارش شده
دو ارزیابی نتایج معتبر که درد درک شده و وظایف را ارزیابی می کند، بررسی نتایج زانو و OKS (KOS) در ویزیت قبل از و بعد از عمل جراحی جمع آوری شد. در مدت مطالعه، سیستم جمع آوری حسابرسی درد (PACS) به عنوان ارزیابی نتایج اضافی متمرکز-درد بعد از تایید اصلاحیه اخلاقی مناسب اضافه شد. اطلاعات در PACS بنابراین تنها مکمل برای بیماران 16/22 در خط مبنا و 20 بعد از عمل جراحی می باشد. امتیاز PACS در خطا برای یک فرد، منجر به n=15 برای مقایسه PACS قبل و بعد از عمل جراحی می باشد.

2.4 کاهش داده
PCA در شکل موج OA و NP منوط به تعریف ویژگی شاخص بیومکانیکی تناوب بین و درگروه ها انجام شد. سه عنصر اصلی اول در ابتدا برای هر متغیر ورودی انتخاب شد، منجر به 72 متغیرگسسته در هر فردی شد. دسته کننده کاردیف سپس برای رتبه بندی اهمیت متغیر ورودی استفاده شد. این رتبه بندی از روش گزارش شده قبلی ناشی می شود[17] و برای کاهش ریسک تناسب زیاد داده آموزش به دو نصف شکافته و دسته کننده کاردیف برای رتبه بندی متغیر ورودی در هر دو مجموعه داده استفاده می شود. 18 متغیر بیومکانیکی شناسایی شده وجود دارد که در هر گروهی رتبه بندی و برای تجزیه و تحلیل بیشترحفظ شدند.
2.5 دسته بندی داده
18 ویژگی بیومکانیکی مجزا 31 NP و 41 نفر OA برای آموزش دسته کننده کاردیف در ویژگی گام OA استفاده شد. این فرایند روابط بین هر ویژگی ورودی و ارزش اعتقاد به OA، NP و عدم قطعیت را تعریف می کند. سه ارزش اعتقادی مذکور B(OA)، B(NP)، و U نامیده می شود سپس به ترتیب برای دسته بندی بین بیومکانیک گام NP و OA استفاده می شود[15]. اگر، مثلا، B(OA) بیشتر از B(NP) باشد و افراد متعلق به گروه OA ، تکنیک دسته بندی به نظر می رسد بطورموفقیت آمیزی این افراد را دسته بندی کنند. توانمندی این دسته با استفاده از الگوریتم اعتبارسنجی متقابل یکی را کنار بگذار (LOO) ارزیابی شد[19]. با استفاده از LOO، پارامترهای کنترل دسته بندی با استفاده از افراد n-1 تعریف و ارزش اعتقادی سپس برای افراد باقی مانده محاسبه شدند. این تکنیک تکرار تا زمانیکه هر فردی دسته بندی شوند.
سپس فرایند مشابه ای برای بیومکانیک اعضای پایین جمع آوری شده در ویزیت بیمار پس از تشخیص یا درمان اجرا شدند. قبلا اجزای تعریف شده اصلی برای محاسبه امتیازات برای 22 نفر در جراحی بعدی استفاده شدند. 18 ویژگی بیومکانیکی مشابه سپس در دسته کننده آموزشی برای محاسبه سه ارزش اعتقادی B(OA)، B(NP)، B(U) در ویزیت بیمار بعد از تشخیص یا درمان استفاده شد. اهداف تغیر بیومکانیکی گام به عنوان تفاوت بین B بعد و قبل از عمل جراحی (OA) تعریف شد.
2.6 تجزیه و تحلیل آماری
کلیه استنتاج های آماری با استفاده از SPSS (IBM, USA) محاسبه شد. همبستگی خطی بین B(OA) و PROMs با استفاده از ضریب همبستگی پیرسون (داده پارامتری) یا ضریب همبستگی رتبه بندی اسپیرمن (داده غیرپارامتری) ارزیابی شد. اندازه اثر به عنوان تفاوت میانگین تقسیم شده انحراف استاندارد آمیخته محاسبه شد.
3. نتایج
جمعیت شناختی شرکت کنندگان برای آموزش دسته کننده کاردیف نشان داده شده در جدول 1 استفاده شد. گروه OA بطور قابل توجهی BMI بیشتر و وزن بدن و بطور قابل توجهی قدیمی تر از یا پیرتر از گروه NP می باشد. دسته کننده کاردیف قادر به دسته بندی درست بین بیومکانیک گام NP و OA در کلیه 72 مورد، با استفاده از تکنیک اعتبارسنجی متقابل LOO ارزیابی شد. سه ارزش اعتقادی در طرحی ساده در شکل 1 نشان داده شده است.
جدول 1: میانگین جمعیت شناختی 31 (NP) غیر آسیب شناسی و 41 نفر مبتلا به ورم مفاصل و استخوان ها (OA) در مرحله اخیر که برای آموزش دسته کننده کاردیف استفاده شد. انحراف استاندارد در براکت نشان داده شده است. تفاوت مهمی بین گروه OA و NP وجود دارد.
تغییرات قبل-بعد از عمل جراحی در ارزیابی نتایج ذهنی و عینی برای 22 نفر که بصورت بعد از عمل جراحی برگشت خوردند در جدول 2 نشان داده شده است. از نظر آماری افزایش قابل توجهی (بهبود) د ر کلیه PROM ها، همراه با افزایش مورد انتظار در B(NP) و کاهش در B(OA) وجود دارد. اندازه اثر کلیه تغییرات مذکور بسیار بزرگ بود(> 0.8) [20]، به هرحال، امتیاز نتایج ذهنی اشکار شد تا ارزیابی واکنشی تغییرات بعد از TKR داشته باشد. همچنین افزایش متوسط قابل توجهی با تردید در طبقه بندی بعد از جراحی وجود دارد.
جدول 2: تغییرات در ارزیابی های عینی و ذهنی وظایف بین ویزیت خط مبنا (قبل از عمل) و بعد از عمل(9 ماه بعد از عمل) وجود دارد. ارزش های اعتقادی عینی: اعتقاد وظایف OA، B(OA)، عقاید در وظایف غیر-آسیب شناسی، B(NP) و بی تردید Uبا استفاده از دسته کننده کاردیف محاسبه شد. PROM های عینی به عنوان درصدی از امتیاز کلی محاسبه شد که 100% نشان دهنده عملکرد سالم است.
ارتباط بین بطور عینی ارزیابی شده تابع گام، B(OA) و PROM های مختلف در جدول 3 نشان داده شده است. همبستگی متوسط تا قوی بین B(OA) و دو PROM، OKS و KOS، هردو قبل و بعد از جراحی وجود دارد. این رابطه حتی قوی تر اگر بررسی دامنه تغییرات در ارزیابی های مذکور بعد از عمل جراحی آشکار شد. بنابراین، سطح خوبی از توافق بین ارزیابی های مذکور براساس افرادی که حداکثر و حداقل بعد از عمل جراحی بهبود دادند.
ارتباط بین PACSو B(OA) تنها حضور بعد از عمل جراحی TKR بود. تغییرات در وظایف بیومکانیکی بعد از عمل جراحی بنابراین بطورخطی مربوط به کاهش درد ارزیابی شده با استفاده از ارزیابی نتایج PACS بود.
شکل 2 طرح پیکان تغییرات در B(OA) برای هر 22 نفر بعد از TKR نشان می دهد. افراد به منظور بهبود چنین روابطی بین وضعیت قبل از عمل جراحی و بهبودی بعد از عمل جراحی رتبه بندی شدند که می تواند بطور بصری ارزیابی شود. قبل از و بعد از عمل جراحی هیچ رابطه آشکاری بین قبل از عمل جراحی B(OA) و کاهش در B(OA) بعد از عمل جراحی وجود ندارد.

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

فهرست مقاله:

چکیده
مقدمه
مواد و روش ها
شركت كنندگان
طرح مطالعه
نتایج
تحریک حرارت حرارتی در IEM
درد بدون تحریک
بحث
نتیجه

بخشی از ترجمه فارسی مقاله:

چکیده
اريترومالالژي ارثی (IEM) يک اختلال مزمن درد ناشي از جهش هاي حاصل از عملکردهاي محيطي کانال سدیم Nav1.7 می باشد، که در آن گرما موجب درد شدید می شود. اندکی درباره نمایش درد مغز در IEM شناخته شده است. در اینجا ما دو فرد را با جهش IEM Nav1.7-S241T با استفاده از تصویربرداری عملکرد مغز بررسی می کنیم(fMRI). افراد در هر یک از پنج بار ویزیت، اسکن شدند. در طول هر اسکن، درد در ابتدا باعث شد با استفاده از گرم کردن بوت افراد درد گرما-حرارتی را ارزیابی کنند. بعد، محرک حرارتی خاتمه یافت و افراد درد ناشی از محرک ر ا بررسی کردند. سرانجام، افراد کار رتبه بندی بصری کنترل را انجام دادند. حرارتی-گرمایی موجب درد برنامه ریزی شده برای قسمت جلوی چین سینوسی مغز، پیش پیشانی قشر مخ، لوبول (لخته کوچک) جداری اصلی، ناحیه حرکتی تکميلی، انسولا، قشرهای حرکتی حرکتی حسی- جسمی اولیه و ثانویه، استریاتوم پشتی و شکمی، آمیگدال و هیپوکامپ شدند. در مقابل، درد بدون تحریک، به طور عمده به قشر جلویی، از جمله پشت، شکم و کورتکس پیش مدفونی و ناحیه محرک مکمل برنامه ریزی شده بود. بررسی دوره های زمانی که درد بدون تحریک در حال تغییر بود فعالیت های بیشتری در شبکه ارزیابی شامل قشر مچ دست روسترال، استریاتوم و آمیگدالا و علاوه بر ساقه مغزی، تالاموس و انسولا را نشان دادند. نتیجه می گیریم که، مشابه با سایر وضعیت درد مزمن، بیان مغز درد بدون تحریک در طی حمله در افراد مبتلا به IEM مناطق مغزی را درگیر می کند که شامل درد حاد و همچنین ارزیابی و یادگیری می باشد.
کلمات کلیدی: ارتیرولالژیا، درد، fMRI، سموتوسنسوری، ارزیابی، پیش پیشانی
مقدمه
درد مزمن باری برای افراد و جامعه است. افرادی از درد مزمن رنج می برند که کیفیت زندگی کمتری دارند (کری و وانگ، 2004؛ ناستر و همکاران، 2012)، اما کمبود ابزار برای ارزیابی عینی تجربه درد وجود دارد. تصویر برداری عملکرد مغزی (fMRI) ابزاری ارزشمند برای بررسی فعالیت مغز همراه با درد می باشد (دیویس و مودی 2013؛ لی و تراسی، 2013؛ اشمیت ویلک 2015). FMRI برای بررسی انواع مختلف درد مزمن استفاده شده است، شامل درد مزمن پشت (بالیکی و همکاران 2006، بالیکی و همکاران 2008، ککو و همکاران 2015، هاشمی و همکاران 2013، سمینوویسز و همکاران 2011)، میگرن (بروشتین و همکاران 2015، شولته و می 2016)، درد نوروپاتیک (ناخوشی عصبی) (کودا و همکاران 2010، کودا و همکاران 2009، ارپلدینگ و همکاران 2014، گه آ همکاران 2008، خان و همکاران 2014، مای هافنر و همکاران 2003، مالینن همکاران 2010)، استئوآرتریت زانو (پارکس و همکاران 2011، رودریگز-رائک و همکاران 2009، رودریگز-رائک و همکاران 2013) فیبرومیالژیا(فلودین و همکاران 2014، کوچیناد و همکاران 2007، لاگیا و همکاران 2014، لاگیا و همکاران 2013، لوپز-سولا و همکاران 2016، ناپادو و همکاران 2010، اشمیت-ویلک و همکاران 2014 ) و درد مزمن لگنی (فارمر و همکاران 2011) می باشد. این مطالعه تغیرات ساختاری و عملکردی مرتبط با درد مزمن را شناسایی کرده است که بر هردو سیستم مغز حسی و لنفاوی تاثیر می گذارد. مهم است، شواهد اخیرا نشان می دهد که برخی از این تغییرات ممکن است پیش بینی کنده خطر انتقال از حاد به درد مزمن باشد. (بالیکی و همکاران 2012، واچون-پرسئو و همکاران، 2016). بنابراین، یافته های تصویر برداری مغز به آسیب پذیری مغز در مقابل تداوم درد و انعطاف پذیری مغز در پاسخ به درد اشاره دارد. ( فلور و همکاران 1997، کارل و همکاران، 2001؛ مای هافنر و همکاران 2007، مای هافنر و همکاران 2003). به هرحال، پاتوفیزیولوژی درد مزمن غیر سرطانی در انسان هنوز کاملا درک نشده است.
یک مانع برای رسیدن به این درک مکانیکی مشکل بررسی آسیب های محیطی از آسیب های بافت می باشد.
با فعالیت و ساختار مغز ارتباط برقرار می کند که منجر به “زمان بندی” درد می شود. ارسیروملالگیا ( سرخدرد) ارثی می شود (IEM) فرصتی برای غلبه بر این مانع ارائه و تعامل محیطی مرکزی را فراهم می کند. IEM مدل ژنتیکی درد نوروپاتیک است که در آن درد شدید از هیجان انگیز بودن نورون های ریشه گانگلیون ریشه های محیطی (DRG) ایجاد می شود. (دیب-هاج و همکاران 2013). این با درد شدید سوزش در اندامهای دفاعی مشخص می شود که به وسیله گرمای خفیف ایجاد می شود (درنت وواکسمن،2007 ). جهش های حاصل از عملکرد در کانال سدیم محیطی Nav1.7 باعث IEM می شود و بنابراین IEM پایه مولکولی روشن است. اکثریت جهش های Nav1.7 که باعث فعال شدن کانال انتقال IEM در جهت هایپرپولرایز می شود، آن را برای باز کردن کانال آسان تر می کند؛ زمانی که درون نورون های DRG بیان شده ، این جهش ها باعث افزایش هیجان می شود (دیب هاج و همکاران 2005، دیب هاج و همکاران 2013).
علیرغم این واقعیت که IEM درد را با علت ژنتیکی مشخصی تولید می کند، پایه ای ثابت و پایدار بر میزان هیجان انگیز محیطی، در مورد الگوی مغز فعالیت در افراد مبتلا به IEM کم، فقط با یک بررسی قبل از توصیف فرد شناخته شده است (سگردال و همکاران، 2012). ما اخیرا یک مطالعه fMRI در مورد اثربخشی کانال سدیم را انجام دادیم که دارو کاربامازپین (گه آ و همکاران 2016) در دو افراد با IEM حمل کننده موتاسیون S241T NaV1.7، را مسدود می کند که برای فعال سازی بیش از حد قطعه Nav1.7 (لامپرت و همکاران 2006) شناخته شده است و باعث افزایش عمیق غربالگری در نورون های DRG می شود،
آستانه آنها را کاهش و سرعت شلیک آنها را افزایش می دهد ) یانگ و همکاران 2012). این افراد بیش از یک دهه از درد شدید به علت IEM رنج می برند. داده های عملکردی MRI جمع آوری شد همانطورکه آنها شدت درد خود را در طول دوره گرم شدن گزارش می کردند که منجر به حمله IEM شد و بعد از پایان محرک حرارتی، دوم ارزیابی فعالیت مغز همراه با درد در طی یک حمله در غیاب تحرک خارجی در حال انجام اجازه می دهد. در اینجا، ما نمایش مغز درد در افراد مبتلا به IEM با گرم کردن محرک ها و در طول دوره بدون تحرک درد بعد از پایان دادن به چالش گرما ارائه می دهیم. ما فرض کردیم که هیپراکسپتیک عصبانیت در IEM زمینه های مغز را فعال می کند که معمولا در دردهای حاد دیده می شود مانند تالاموس، ناحیه حسی و حرکتی اولیه، انسولین و قشر کمر جلویی. علاوه بر این، ما فرض می کنیم که با توجه به ماهیت مزمن شرایط، افزایش تعامل مغز سیستم لیمبیک مشاهده می شود در حالی که بیماران بی تحرک خود به علت درد IEM می دانند.

بخشی از مقاله انگلیسی:

Abstract

Inherited erythromelalgia (IEM) is a chronic pain disorder caused by gain-of-function mutations of peripheral sodium channel Nav1.7, in which warmth triggers severe pain. Little is known about the brain representation of pain in IEM. Here we study two subjects with the IEM Nav1.7-S241T mutation using functional brain imaging (fMRI). Subjects were scanned during each of five visits. During each scan, pain was first triggered using a warming boot and subjects rated their thermal-heat pain. Next, the thermal stimulus was terminated and subjects rated stimulus-free pain. Last, subjects performed a control visual rating task. Thermal-heat induced pain mapped to the frontal gyrus, ventro-medial prefrontal cortex, superior parietal lobule, supplementary motor area, insula, primary and secondary somato-sensory motor cortices, dorsal and ventral striatum, amygdala, and hippocampus. Stimulus-free pain, by contrast, mapped mainly to the frontal cortex, including dorsal, ventral and medial prefrontal cortex, and supplementary motor area. Examination of time periods when stimulus-free pain was changing showed further activations in the valuation network including the rostral anterior cingulate cortex, striatum and amygdala, in addition to brainstem, thalamus, and insula. We conclude that, similar to other chronic pain conditions, the brain representation of stimulus-free pain during an attack in subjects with IEM engages brain areas involved in acute pain as well as valuation and learning.

Introduction

Chronic pain is a burden to subjects and society. Subjects suffering from chronic pain have a poor quality of life (Currie and Wang, 2004; Knaster et al., 2012), but there is a paucity of tools to objectively assess pain experience. Functional brain imaging (fMRI) is a valuable tool for investigating brain activity associated with pain (Davis and Moayedi, 2013; Lee and Tracey, 2013; Schmidt-Wilcke, 2015). FMRI has been used to study multiple types of chronic pain, including chronic back pain (Baliki et al., 2006; Baliki et al., 2008b; Ceko et al., 2015; Hashmi et al., 2013; Seminowicz et al., 2011), migraine (Burstein et al., 2015; Schulte and May, 2016), neuropathic pain (Cauda et al., 2010; Cauda et al., 2009; Erpelding et al., 2014; Geha et al., 2007; Geha et al., 2008a; Khan et al., 2014; Maihofner et al., 2003; Malinen et al., 2010), knee osteoarthritis (Parks et al., 2011; Rodriguez-Raecke et al., 2009; Rodriguez-Raecke et al., 2013), fibromyalgia (Flodin et al., 2014; Kuchinad et al., 2007; Loggia et al., 2014; Loggia et al., 2013; LopezSola et al., 2016; Napadow et al., 2010; Schmidt-Wilcke et al., 2014), and chronic pelvic pain (Farmer et al., 2011). These studies have identified structural and functional alterations associated with chronic pain affecting both sensory and limbic brain systems. Importantly, recent evidence suggested that some of these changes may be predictive of the risk of transition from acute to chronic pain (Baliki et al., 2012; Vachon-Presseau et al., 2016). Hence, brain-imaging findings point to brain vulnerabilities to persistence of pain and to brain plasticity in response to pain (Flor et al., 1997; Karl et al., 2001; Maihofner et al., 2007; Maihofner et al., 2003). Nevertheless, the pathophysiology of chronic non-cancer pain in humans remains incompletely understood. One hurdle to reaching this mechanistic understanding is the difficulty of examining how peripheral pathologies from possible tissue injuries interact with brain activity and structure to result in “chronification” of pain. Inherited eryhthromelalgia (IEM) offers an opportunity to overcome this hurdle and shed some light on the peripheral-central interactions. IEM is a genetic model of neuropathic pain in which severe pain arises from hyperexcitability of peripheral dorsal root ganglion (DRG) neurons (Dib-Hajj et al., 2013). It is characterized by severe burning pain in the distal extremities triggered by mild warmth (Drenth and Waxman, 2007). Gain-of-function mutations in peripheral sodium channel Nav1.7 cause IEM, and thus IEM has a clear molecular basis. The majority of Nav1.7 mutations that cause IEM shift channel activation in a hyperpolarizing direction, making it easier to open the channel; when expressed within DRG neurons, these mutations produce hyper-excitability (Dib-Hajj et al., 2005; Dib-Hajj et al., 2013). Despite the fact that IEM produces pain with a clear genetic etiology and a well-established basis of peripheral hyperexcitability, little is known about the pattern of brain of activity in subjects suffering from IEM, with only one prior paper describing a single subject (Segerdahl et al., 2012). We have recently completed a fMRI study on the efficacy of the sodium channel blocking drug carbamazepine (Geha et al., 2016) in two subjects with IEM carrying the NaV1.7 S241T mutation, which is known to hyperpolarize activation of Nav1.7 (Lampert et al., 2006), and produces profound hyperexcitability in DRG neurons, reducing their threshold and increasing the frequency of their firing (Yang et al., 2012). These subjects had suffered from severe pain for more than a decade due to IEM. Functional MRI data were collected as they reported their pain intensity, during a period of warming which triggered an IEM attack and after termination of the thermal stimulus, the latter allowing the measurement of brain activity associated with pain during an attack in the absence of ongoing external stimulation. Here, we present the brain representation of pain in subjects with IEM, both during exposure to warm stimuli and during the stimulus-free period of pain following cessation of the warmth challenge. We hypothesized that hyperexcitable nociceptors in IEM would activate brain areas usually seen in acute pain such as thalamus, primary sensory/motor areas, insula, and anterior cingulate cortex. In addition, we hypothesize that given the chronic nature of the condition, increased engagement of the brain limbic system would be observed while patients rate their stimulus-free IEM pain.

استفاده از سونوگرافی حین عمل در جراحی ستون فقرات

Use of Intraoperative Ultrasound During Spinal Surgery

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1952

ما از دستگاه سونوگرافی سیار Aloka Prosound Alpha 5 (Hitachi، Wallingford، CT) برای انجام سونوگرافی در طول عمل جراحی ستون فقرات استفاده کرده ایم. به طور کلی، ما دریافته ایم که استفاده از پروب مبدل Aloka UST-9120 (Hitachi، Wallingford، CT) که دارای یک قطر 20 میلی متر است و دامنه فرکانس 4 تا 4. 4 مگاهرتز را ارائه می دهد، بیشترین سازگاری را با مشخصات ما دارد. تعدادی دستگاه قابل مقایسه در بازار وجود دارند و ما استفاده از هر دستگاه سونوگرافی مدرن همراه با مبدل های اختصاصی را توصیه می کنیم. پس از برداشتن کامل استخوان و بیرون آمدن نخاع، حوزه جراحی باید با محلول شور برای تزویج آکوستیک پر شود. پس از آن، پروب سونوگرافی باید در داخل حمام شور قرار داده شود تا تصاویر را در هر دو صفحه عرضی و طولی حاصل نماید. لمس نخاع یا نخاع شوکی را با پروب به منظور به دست آوردن تصاویر لازم نیست.در سونوگرافی، نخاع به عنوان یک غشای اکوژنیک در اطراف یک فضای مایع نخاعی بدون انعکاس ظاهر می شود. نخاع شوکی درون نخاع واقع شده است و به عنوان یک ساختار همگن با انعکاسات کم احاطه شده توسط لبه اکوژنیک ظاهر می شود که نشان دهنده تغییر فیزیکی چگالی از مایع نخاعی تا نخاع شوکی بافت اصلی است. همچنین یک انعکاس مرکزی روشن وجود دارد که کانال مرکزی را نمایان می کند. ريشه های عصبی خارج شونده به طور چشمگيري اکوژنيک هستند و به طور خاص در سندرم دم اسب ظاهر مي شوند.

ضایعات توده درون نخاعی

در تجربه ما، سونوگرافی در طی عمل ثابت شده است که در طول جراحی برای آسیب شناسی درون نخاعی بسیار مفید است. نویسنده ها قبلاً استفاده از سونوگرافی برای برداشتن ضایعات درون نخاعی مانند تومورها و غارمانند، ضایعات بیرون نخاعی مانند کیست های پس از قاعدگی، قرار دادن شریان های سارینگو-سوباراروآنیوئید و همچنین دفع فیستول های شریانی آئروهیدروهال دوقطبی ستون فقرات را گزارش داده اند. به به طور معمول، هنگام آماده شدن برای عمل جراحی درون نخاعی ، مواجهه استخوانی بر اساس یک CT یا MRI قبل از عمل برنامه ریزی می شود. پس از آن یک دوروتومی تقریبا توسط تقریب جایی که ضایعه باید براساس نشانه های مجاور باشد ایجاد می شود. هنگامی که ضایعه به نظر می رسد، ممکن است دوروتومی نیاز به طویل شدن در جهت جمجمه ای یا دمی داشته باشد تا از مواجهه کافی اطمینان حاصل شود. ضایعات درون نخاعی بیرون نخاعی در سندروم دم اسبی می تواند در مقایسه با تصویربرداری قبل از عمل جراحی به طور شاخکی حرکت کند، که گاهی اوقات موقعیت یابی آنها را دشوار می سازد. اما اگر از سونوگرافی استفاده شود، ضایعه را می توان به صورت بصری مشخص نمود، در حالی که نخاع هنوز دست نخورده است و باز شدن نخاعl می تواند دقیقا براساس اندازه و محل ضایعه تنظیم شود. در مقایسه با سیستم های تصویربرداری پیشرفته تر درون عمل مانند cbCT یا iCT، سونوگرافی, تصویربرداری بافت نرم بافت بهتر را از ساختارهای درون نخاعی فراهم می کند. به عنوان مثال، چندین نویسنده گزارش کرده اند که جداسازی ها در کیست های نخاعی می تواند بر روی سونوگرافی تجسم شود، اما نه CT. MRI درون عمل (iMRI) در برخی از موسسات موجود است و تصویربرداری بافت نرم با وضوح بسیار بالاتر را ارائه می دهد. با این حال، استفاده از این فن آوری گران ، وقت گیر و برای بسیاری از آسیب شناسی داخلی, غیرضروری است ، به خصوص در مقایسه با سونوگرافی عملیاتی، که به طور گسترده در دسترس است، ارزان است، و می تواند در عرض چند دقیقه انجام شود.

ضایعات درون نخاعی, یک چالش بزرگ برای جراح مطرح می کند زیرا برش شامل تشریح از طریق tracts عصبی می شود و یک خطر ذاتی نقص عصبی بعد از عمل برای بیمار وجود دارد. اصول کلی پذیرفته شده در عمل جراحی نخاع درون نخاعی عبارتند از به حداقل رساندن تشریح بافت اصلی نخاعی طبیعی، پیدا کردن صفحات بافت, و برش تنها تومور تا حد ممکن بدون نقص عصبی. استفاده از سونوگرافی درون عمل می تواند به جراح کمک کند تا به طور صحیح و موثر با ارائه اطلاعات در زمان واقعی در مورد ترکیب بافت در طی تشخیص از طریق نخاع, به اهداف برش برسد. در طی عمل جراحی، Gelfoam (Pfizer, New York, NY) را نیز می توان برای تشخیص صفحات بافت و تعریف محدودیت های جداسازی برای ضایعات درون نخاعی مورد استفاده قرار داد. Gelfoam به نظر می رسد در سونوگرافی, فراانعکاسی باشد و امواج صوتی را تضعیف نمی کند، بنابراین می توان آن را در سونوگرافی شناسایی نمود و به عنوان یک نشانگر جراحی استفاده نمود.

نمونه موردی 1: ضایعه گردنی درون نخاعی نزدیک شده از طریق میلوتومی خط میانی

یک مرد 54 ساله بدون سابقه پزشکی قابل توجه با تاریخچه یک ماهه از تب با منشا ناشناخته معرفی شد. اگر چه او از نظر عصبی دست نخورده بود، به عنوان بخشی از کار او، یک MRI ستون فقرات گردن داشت که یک توده بزرگ درون نخاعی در مرکز C6 با سیگنال ناهمگن T2 در سمت پایین و سیگنال مایع را در بالا را با ارتقای بسیار دقیق پس از کنتراست نشان داد (شکل 1). جرم پس از یک ماه از نظارت تصویری، ثابت باقی ماند. برای جستجوی سایر علل احتمالی تب, یک کار گسترده بدون موفقیت انجام شد. با توجه به نیاز به تشخیص قطعی، بیمار به اتاق عمل برای لامینکتومی C5-7 و برداشتن ضایعه منتقل شد. پتانسیل های حرکتی برانگیخته شده (MEPs) و پتانسیل های تحریک شده ی حس بدنی (SSEP) در طول این مورد بدست آمد. بعد از مواجهه با نخاع، سونوگرافی برای موقعیت یابی ضایعه و برنامه ریزی دوروتومی مورد استفاده قرار گرفت (شکل 2). نخاع به شدت در وسط خط باز شد و برگچه های نخاع برای عضلات پاراسپین مجاور بخیه شد. بعد، عنکبوتی با استفاده از گیره های ظرفی باز شد و به نخاع قرارگیرنده متصل شد. خط میانی نخاع توسط مشاهده تخلیه وریدهای جداره ای و با استفاده از ریزتحریک برای شناسایی محل معکوس شدن مرحله SSEPها شناسایی شد. پس از آن نرم شامه به شدت باز شد و یک ریزتشریح کننده برای عمق بخشیدن به تشریح از طریق رافه میانی پشتی استفاده شد. سونوگرافی اغلب برای هدایت مسیر جراحی از طریق نخاع استفاده می شود تا تومور خاکستری تجسم یابد. در قسمت بسیار جمجمه ای تومور، یک کیست به صورت مورد انتظار از MRI قبل از عمل مواجه شد. برای تایید این که این واقعاً جمجمه ای ترین سمت تومور بود، یک قطعه کوچک از Gelfoam در حفره برش گذاشته شد و یک بار دیگر از سونوگرافی استفاده شد تا تأیید شود که این در واقع, حد تومور است (شکل 2). کپسول تومور از نخاع تشریح شد و سپس تومور به صورت جزئی برداشته شد. سونوگرافی برای تشخیص تومور باقی مانده استفاده شد که پس از آن حذف می شود. پس از برش کامل ضایعه، نرم شامه و نخاع بسته شدند. اشاره شد که نمایندگان MEPها و SSEPها در طول این مورد بدون تغییر باقی ماندن. پس از عمل، بیمار به مرحله اولیه عصبی بازگشت. تب او بعد از برداشتن تومور، از بین رفت. تشخیص نهایی پاتولوژیک, اپنادیوموما درجه II سازمان بهداشت جهانی را دریافت کرد و یک ماه پس از آن MRI به دست آمده, یک برش کامل را تایید کرد (شکل 3).

ضایعات شکمی به کیسه تکال
در هنگام رسیدگی به ضایعات واقع شده شکمی به کیسه تکال از یک رویکرد خلفی، به ویژه در ستون فقرات گردن و قفسه سینه که در آن کیسه تکال به راحتی نمی تواند متحرک شود که ناشی از ریسک آسیب نخاعی پزشک زاد است, ما همچنین استفاده از سونوگرافی در عمل جراحی را بسیار مفید یافتیم. گزارش شده است که سونوگرافی درون عمل در برداشتن فتق دیسک بین مهره ای، کاهش شکستگی های پشتی خلفی، برداشتن تومورهای فوق دردناک قرار گرفته و برای تعیین اینکه آیا فشرده سازی خلفی به تنهایی برای درمان کانال نخاعی به دلیل پوکی استخوان رباط طولی خلفی کافیست, مفید است. رویکردهای قدامی برای کانال نخاعی شکمی می تواند راهکار بهتری برای تجسم مستقیم این منطقه را فراهم کند؛ با این حال، روش های فراقفسه سینه ای, قفسه سینه ای-شکمی, و عقب-صفافی با افزایش میزان خونریزی، زمان عمل و مرگ و میر جراحی مرتبط است. این معایب را می توان با استفاده از یک رویکرد خلفی با هدایت سونوگرافی برای مانور دادن ابزارهای زاویه ای زیر کیسه تکال بدون نیاز به منقبض شدن کیسه تکال ، نخاع یا ریشه های عصبی اجتناب نمود.
به عنوان مثال، هنگام رویکرد به دیسک قفسه سینه ای آهکی طریق یک رویکرد تشریح ساقه اصلی خلفی، یک آلت تراش جراحی زاویه دار را می توان با خیال راحت و کیسه تکال تحت تجسم سونوگرافی به منظور آزادسازی کانال قرار داد. به همین ترتیب، در مورد شکستگی پشت سر هم قفسه سینه ای-کمری ، سونوگرافی درون عمل را می توان برای شناسایی قطعات استخوانی حمله کننده به کانال و یک ضربه گیر بوت شکل مورد استفاده قرار داد یا قلاب جراحی اصلاح شده را می توان کیسه تکال به منظور کاهش شکستن قرار داد.

نمونه موردی 2: فتق دیسک قفسه سینه قابل تشخیص با رویکرد ترنس فاکت ساقه اصلی
یک زن 73 ساله با سابقه چند ماهه اختلال در رفت و آمد، تشنج، و بی حسی اندام تحتانی. در مورد معاینه عصبی، هیچ ضعفی در موتور وجود نداشت، اما به نظر می رسید که بسیار میوپاتیک با کلونوس مشخص شده، رفلکس های کششی عضلانی 4+ و راه رفتن با شدت زیاد است. CT و MRI, یک فتق دیسک بزرگتر و بدون انسداد T10-11 را با فشردگی نخاعی نشان داد (شکل 4). او تحت یک hemiمهره برداری سمت-راستی T10-11، فاکتومی و ریزتشریح ساقه اصلی و همجوشی T9-11 قرار گرفت. پس از اینکه نخاع طی عمل جراحی قرار گرفت، سونوگرافی درون عمل برای تشخیص فتق دیسک (تصویر 5A) استفاده شد. سپس یک دیسک حلقه ای با یک چاقوی کالبدشکافی باز شد و یک رانژر (کندن قطعات استخوان) مخاطی برای ایجاد حفره ی مرکزی استفاده شد. سپس یک آلت تراش جراحی زاویه دار رو به پایین به دقت به صورت شکمی به کیسه تکال قرار داده شد و برای هل دادن قطعات دیسک فتق قبلاً شناسایی شده در سونوگرافی در فضای دیسک استفاده می شد. این قطعات دیسک پس از آن دوباره با یک رانژر (کندن قطعات استخوان) مخاطی برداشته شد. سونوگرافی به طور مرتب برای ارزیابی فشارخون مورد استفاده قرار گرفت و این روند تا زمانیکه کل فتق دیسک قطع شد (شکل 5B) تکرار شد. بدون استفاده از سونوگرافی، ممکن است که قطعات دیسک فشرده ممکن است پشت سر گذاشته شود. بعد از عمل، او به حالت اولیه مغز و اعصاب بازگشت و با پیگیری 1 ماهه تمام علائم قبل از عمل او حل شدند.

نمونه موردی 3: کاهش شکستگی کمری کمری
یک زن 57 ساله با سابقه سرطان متاستاتیک آپاندیس با درد پایین مکانیکی و درد ران قدامی سمت چپ مزمن-آغازین. یک ماه قبل, او تحت کیفوپلاستی بالون در L1 و L2 تحت درمان شکستگی های فشرده سازی پاتولوژیک قرار گرفت. در معاینه، او کمبودهای حرکتی نداشت، اما مشخص شد که دارای احساس کاهش یافته به لمس نور در ران چپ خود است. یک MRI انجام شد که نشان دهنده شکستگی پریشانی L2 پشت سر هم بود (شکل 6). او بعد از ظهر روز بعد به اتاق عمل برده شد, که در آنجا تحت مهره برداری L1-L2، کاهش فراشپشی سمت چپ شکستگی و ترکیب خلفی-جانبی T12-L3 قرار گرفت. بعد از تکمیل مهره برداری ، ساقه اصلی سمت چپ L2 با عمل جراحي مهره اي دریل شد. دیده شد که ریشه عصب L2 بر روی یک قطعه استخوانی شل با پارچه پوشانیده شد که برداشته شد. این حوزه با محلول شور برای تزویج آکوستیک و سونوگرافی برای بررسی کیسه تکال استفاده شد. با استفاده از سونوگرافی، ما یک قطعه بزرگ استخوان در کانال نخاعی شکمی را پیدا کردیم که ساقه عضله را جابجا کرد، که نمی توان مستقیماً تجسم کرد (شکل 7A). برای کاهش این قطعه مجزا، یک ضربه گیر بوت شکل استفاده شد. سپس سونوگرافی دوباره برای تأیید آزاد شدن کافی (شکل 7B) به حوزه بازگشت. بعد از عمل، بیمار با بهبود علائم و نشانه های بیماری عصبی خود بازگشت و چندین روز بعد مرخص شد.

نتیجه گیری
اگرچه سونوگرافی یکی از روشهای ابتدایی تجویز تصویر درمانی است که در جراحی ستون فقرات استفاده می شود، اما همچنان مزایای متعددی را نسبت به تکنولوژی های جدیدتر دارد. هنگامی که سونوگرافی عمل جراحی به طور مناسب استفاده شود، اطلاعات ارزشمندی در مورد ساختارهای بافت نرم فراهم می کند که توسط جراح عمل جراحی تجویز نمی شود. بنابراین، تصاویر سونوگرافی می توانند در پرتوی مطالعات MRI قبل از عمل جراحی به منظور کمک به جراح در درک بهتر آناتومی موضعیت تفسیر شوند. نه فلوئوروسکوپی روزمره، cbCT، و نه ICT، رزولوشن کافی بافت نرم را برای این منظور ارائه نمی دهند. علاوه بر این، سونوگرافی تنها راه درست تصویربرداری واقعی در زمان واقعی برای تجسم بافت نرم باقی مانده است. این روش ارزان است، به طور گسترده ای در دسترس است، استفاده از آن آسان است، و بیمار را در معرض اشعه یونیزه قرار نمی دهد. به همین علل، ما معتقدیم که استفاده از سونوگرافی درون عمل باید در طول رویکرد خلفی برای ضایعات درون نخاعی یا ضایعات درون کانال نخاعی شکمی در نظر گرفته شود. استفاده از سونوگرافی و تفسیر تصاویر باید در برنامه های آموزشی اقامت برای جراحی ستون فقرات گنجانده شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

شش بلوک روشن خاموش از 15 نمونه، هرکدام در حبس کردن تنفس و fMRI وظیفه اجباری استفاده شدند: 5 نمونه روش ( به ترتیب مربوط به استنشاق و حبس کردن نفس و یا کار اجباری) و 10 نمونه خاموش (به ترتیب مربوط به تنفس طبیعی یا در حال استراحت/ عمل غیر دستوری). حین fMRI، بیماران پس از شنیدن دستورالعمل‌ها یک عمل حرکتی و/ یا سه عمل گفتاری را انجام دادند. برای مشاهده تمام وظایف انجام شده به جدول 1 مراجعه نمایید. وظایف حرکتی شامل ضربه زدن انگشت در هر دو سمت، ضربه زدن دست و پا، و چرخاندن زبان. در عمل ضربه زنی انگشت از بیمار درخواست شد که با انگشت شست پشت سرهم چهار انگشت دیگر را لمس کند و مجدداً این کار را شروع کند. این امر با سرعت تقریباً دو انگشت در ثانیه انجام شد و قبل از جلسه fMRI تمرین شد. در عمل چرخاندن زبان، از بیماران خواسته شد که حرکت جانبی کوچک زبان را بدون گشودن دهان انجام دهند. در عمل «ضربه زنی پا و دست»، کار ضربه زدن انگشت با ضربه زنی پا ترکیب شد. وظیفه گفتاری عبارت بودند از «حروف»، «افعال»، «شنیداری‌ها» و «طبقات». در وظیفه «حروف»، از بیماران خواسته شد تا واژگان را با یک حرف معین بطور پانتومیم تولید کند. در عمل «افعال»، به بیماران با اسمی داده شد و درخواست کردیم تا کلمات عملیاتی مرتبط با آن تولید کنند. در وظیفه «شنوایی» از بیماران خواسته شد که به انواع متفاوتی از ظایف نامگذاری پاسخ دهند (به عنوان مثال شما با چه چیزی موهایتان را اصلاح می‌کنید؟) و باید بصورت پانتومیم به سوالات پاسخ دهند و از ادای شفاهی آن اجتناب کنند. در عمل « دسته‌بندی»، به بیماران یک طبقه‌بندی مافوق ارائه شد و خواستیم که واژگان وابسته را مطابق با این دسته تولید کنند. برای حبس کردن نفس، به یماران دستور داده شد که یک نفس عمیق بکشند (که حدود 2 ثانیه طول کشید) و سپس قبل از تنفس مجدد معمولی به مدت 18 ثانیه آن را نگه دارند. حبس کردن نفس و fMRI وظیفه‌ای با مجموع 90 نمونه در مجموع (6 بلوک خاموش/روشن از 15 نمونه) طی زمان اسکن 6 دقیقه‌ای برای هر بیمار بدست آمد.
شدت حرکت سر در حبس کردن نفس و اسکن‌های وظیفه با استفاده از شش سری زمانی پارامتر چرخش و ترجمه‌ای اندازه‌گیری شد که از عمل ثبت همزمان سه در AFNI بدست آمد. این پارامترهای حرکتی اسکن‌های حبس کردن نفس و وظیفه‌ دستوری به یک عدد واحد به صورت زیر تبدیل شدند: میانگین مجموع مربع سه پارامتر ترجمه‌ای به میانگین مجموع مربعات پارامترهای چرخشی برای اسکن حبس کردن نفس اضافه شد و سپس این مجموع به میانگین مجموع مربع پارامترهای اسکن وظیفه دستوری معادل افزوده شد. این محاسبه برای تمام 21 اسکن انجام شد و نتایج به ترتیب رتبه (رتبه کوچک معادل حرکت نسبتاً قوی) مرتب شدند و در جدول 1 ارائه شده‌اند.

تحلیل داده‌های fMRI
تمام تجزیه و تحلیل داده‌های fMRI و تصویربرداری اکو پلانار (EPI) حبس کردن تنفس با AFNI [19] و MATLAB ورژن b 2007 (Mathworks) انجام شد.
پیش پردازش به شرح زیر انجام پذیرفت: تصحیح حرکت، ایجاد آستانه مغزی در مقابل پس زمینه، پاک کردن روند خطی واکسل ویز از سری‌های زمانی و صاف کردن فضایی واقع در صفحه با هسته گاوسین از کل عرض در نیمه حداکثر = 3 واکسل.
پس از آن نقشه‌های پارامتری به صورت زیر تولید شدند: اول، نقشه‌های راکتیویته عروقی از طریق همبستگی سری‌های زمان پاسخ حبس کردن نفس x_t با واکسل ویز شاخص عمل دستوری یا مطلوب، تابع I_t تولید شدند، که به عنوان I_t=1 برای نمونه‌های حبس کردن تنفس یا کار دستوری و I_t=0 برای نمونه‌های نفس کشیدن عادی یا در حالت استراحت تعریف شده است. دوماً، تصاویر وظیفه دستوری پارامتری با استفاده از سه روش متفاوت ایجاد شدند: 1. تحلیل استاندارد براساس همبستگی سیگنال BOLD با تابع ایده‌آل،2. تجزیه و تحلیل استاندارد تصحیح شده بر اساس انسجام بین سیگنال BOLD و تابع ایده‌آل، و 3. تجزیه و تحلیل مبتنی بر انسجام که ارزشیابی راکتیویته عروقی را از داده‌های حبس کردن نفس شامل می‌شود.

1. تجزیه و تحلیل استاندارد بر اساس ضرایب همبستگی
در این روش استاندارد، تابع شاخص ایده‌آل یا عمل دستوری I_t که دارای اعداد 1 و 0 است برای بیان زمان‌بندی پارادایم‌های حرکتی و گفتاری استفاده شدند. این روش نیز به عنوان یک تقریب دقیق از تابع پاسخ همودینامیکی ht نیز استفاده شد. تصاویر فعالسازی عمل دستوری با همبستگی سیگنال در هر وکسل یعنی yt با تابع یکنواخت ایده‌آل تعریف شدند و ضریب همبستگی خطی پیرسون R (yt، It) بدست آمد. پاسخ وظیفه دستوری مثبت خیلی مهم مثبت برای R (yt، It)> 0.55 بیان شد. این میزان با میانگین p-value p = 1 × 10^(-5) متناظر است، به منظور مقایسه با انسجام به عنوان یک آستانه خاص در شبیه سازی‌های عددی تنظیم می‌شود (ادامه را مشاهده نمایید). با این حال، احتمال دنباله یکطرفه برای همبستگی خطی پیرسون R (yt، It) = 0.55 برابراست با p = 1.3 × 10^(-8) است. به عبارت دیگر، ارزش p-value دوم به عنوان آماره آزمون برای تعیین اهمیت یک وکسل بکار رفته است. این یک آستانه کاملاً احتیاطی است حتی اگر مشکل آزمون چندگانه در نظر گرفته شود. علاوه بر این، یک آستانه خوشه‌ای ساده استفاده شد؛ فقط خوشه‌های دارای با حداقل دو واکسل مجاور فعالسازی در نقشه‌های نهایی ضرایب همبستگی باقی ماندند.

2. تحلیل استاندارد اصلاح شده براساس انسجام
انسجام طیفی بین دو سیگنال کوچکتر یا مساوی است با 1 و برای وابستگی خطی برابر 1 است. حداکثر میزان همگرایی بین I_t و yt C (yt، It) در یک فاصله (0.006 هرتز، 028 هرتز)، در مرکز فرکانس وظیفه دستوری بلوک 0.017 هرتز به عنوان آماره آزمون استفاده شد. آستانه معنادار متناظر با میانگین p-value p = 1 × 10^(-5) به وسیله شبیه‌سازی مونت کارلو تعیین شد و در C (yt، It) = 0.79 مشاهده شد. فقط خوشه‌های دارای حداقل دو وکسل مجاور فعالسازی در تصاویر انسجام نهایی حفظ شدند.

3. تحلیلی انسجامی که ارزشیابی راکتیویته عروقی را از داده‌های حبس کردن تنفس بدست می‌آورد
فرض رایج و معمولی در بنیادی‌ترین مدلسازی خطی پایه پاسخ‌های BOLD مدل زیر است
y_t= 〖ah〗_t+ ε_t
که در فرمول ht پاسخ همودینامیک است، a یک ضریب برآورد شده از yt است و ε_t نویزی است که توسط مدل ضبط نشده است. معمولاً پاسخ همودینامیکی به طور مستقل از موضع یا یکنواختی در تمام مغز در نظر گرفته می‌شود. با در نظر گرفتن احتمال وابستگی ht به موضع واقع در مغز، که برای ارزیابی تأثیر ذخایر عروقی تغییر یافته با حضور تومورها ضروری است در اینجا فرض کردیم که ht بسته به موضع مغز تغییر می‌کند و می‌توان با اندازه‌گیری راکتیویته عروقی xt مدلسازی شود که از اسکن‌های حبس کردن تنفس با زمان یکسان به عنوان عمل دستوری در یک آزمایش اضافی fMRI در همان بیمار بدست آمد. این فرضیه با مشاهده تأیید شده است که پاسخ عمل دستوری yt و پاسخ حبس کردن تنفس xt غالباً به طور همزمان با I_t در وکسل‌هایی همبستگی یا مخالف بودند که فعالسازی عمل دستوری مهمی مشاهده شد، (به بخش یافته‌ها مراجعه نمایید). براساس این وابستگی ناشناخته میان پاسخ عمل دستوری و پاسخ حبس کردن نفس (راکتیویته عروقی) ما مدل خطی را فرض کردیم، مدل خطی را فرض کردیم.
h_t= L_0 [X_t] که Xt یک الگوی موضعی راکتیویته عروقی است که از سیگنال حبس کردن نفس X_t ناشی می‌شود و L0 یک تابع خطی است. برای مثال این رابطه تأخیرهای احتمالی میان xt و yt را در نظر می‌گیرد. اکنون مدل پاسخ عمل دستوری را می‌توان بصورت زیر نوشت
y_t=L[X_t ]+ ε_t
مجدداً دارای وابستگی خطی کلی ناشناخته L است. بنابراین درجه وابستگی را می‌توان با انسجام میان Xt و yt [20] برآورد کرد و با روش دوم برابر است. الگوی پاسخ عروقی ناحیه‌ای Xt با بدست آوردن میانگین سیگنال حبس‌کردن نفس Xt طی شش دفعه تکرار در هر آزمایش برای هر واکسل بطور جداگانه محاسبه شد. سپس برای بدست آوردن یک سری زمانی الگو Xt با طول مشابه مانند مشاهدات BOLD (yt) در طی آزمایش عمل دستوری، سیگنال بدست آمده از طول متناظر با یک تکرار حبس کردن نفس شش دفعه بهم متصل می‌شوند. لازم به ذکر است که طرح‌های حبس کردن نفس و بلوک عمل دستوری باید از لحاظ طول مطابقت داشته باشند؛ در اینجا از دو پارادایم 20 ثانیه «روشن» (مربوط به استنشاق / حبس کردن نفس و عمل دستوری حرکتی به ترتیب) و 40 ثانیه «خاموش» (مربوط به تنفس عادی و حالت استراحت) تشکیل شد. مشابه تجزیه و تحلیل استاندارد مبتنی بر انسجام، در حال حاضر برای تولید نقشه‌های فعالسازی حداکثر میزان انسجام طیفی C(Yt، Xt) در محدوده فرکانس یکسان فوق استفاده شد. همان آستانه‌های آماری برای انسجام بکار رفتند که در مرحله دوم تعیین شد. فقط خوشه‌های دارای حداقل دو وکسل مجاور فعالسازی در نقشه‌های نهایی انسجام حفظ شدند. نمای تصویری این روش را در شکل 1 مشاهده کنید.

«A» روش استاندارد تجزیه و تحلیل یک مجموعه داده گفتاری fMRI را نشان می‌دهد که داده‌های BOLD fMRI با تابع استاندارد پاسخ همودینامیک (HRF) ایده‌آل مقایسه می‌شود. داده‌های fMRI در منطقه بروکا (سبز) و منطقه ورنیکه (قرمز) مطابق با استاندارد HRF (سیاه) است اما داده‌های fMRI در لوب پس‌سری (به عملکرد گفتاری مرتبط نیست) با استاندارد HFR مطابقت ندارد. این روش سبب «فعالسازی» در منطقه بروکا و ورنیکه شده اما لوب پس‌سری را تحریک نمی‌کند. در «B»، ناحیه تیره‌رنگ توموری را با راکتیویته غیر نرمال عصبی عروقی (جداشدگی عصبی عروقی) نشان می‌دهد که منجر به خاموش(قطع) شدن BOLD HRF می‌شود. در نتیجه HRF در منطقه بروکا دیگر با HRF ایده‌آل مطابقت ندارد و منطقه بروکا دیگر «فعال» نیست. «C» HRF را در هر منطقه حین حبس‌کردن نفس نشان می‌دهد. در منطقه ورنیکه و لوب پس‌سری، HRF حبس‌ کردن نفس نرمال می‌ماند اما در منطقه بروکا، HRF حبس‌ کردن نفس خاموش (قطع) است. در روش افزایش انسجام که در این مقاله بیان شد، به جای مقایسه HRF به دست آمده طی معاینه fMRI به HRF نرمال ما آن را با HRF حبس‌ کردن نفس مقایسه کردیم و این HRF یک مقیاس اندازه‌گیری مستقل از HRF هست. در این شکل مناطق بروکا و ورنیکه با حالت «فعالسازی» نشان داده می‌شوند.

ارزیابی ایمنی RF دستگاه اتساع دهنده بافت پستان برای MRI: شبیه سازی عددی و آزمایش

RF Safety Evaluation of a Breast Tissue Expander Device for MRI: Numerical Simulation and Experiment

چکیده
چکیده
این مطالعه روش ارزیابی ایمنی فرکانس رادیویی مربوط به MRI (RF) دستگاههای اتساع دهنده بافت پستان را شرح داده و معیارهای ایمنی را تعیین می نماید. شبیه سازیهای عددی و اندازه گیریهای آزمایشی درفرکانس 64MHz با ژل فامتوم محتوی اتساع دهنده پستان انجام شدند. به علاوه، مدلسازی محاسباتی ( در فرکانس های 64 و 128MHz) با یک مدل خانم بالغ ، با دستگاه اتساع دهنده بافت پستان ایمپلنت شده مجازی برای چهار موقعیت لندمارک تصویربرداری، اجرا گردید. دستگاه اتساع دهنده بافت پستان منجر به تغییرات قابل توجهی در نرخ جذب خاص (SAR) و توزیع |B1 + | گردید. منبع اصلی تغییرات SAR با استفاده از دستگاه اتساع دهنده بافت پستان، کیسه پرشده با سالین اتساع دهنده بود. برعکس، تغییر میدان مغناطیسی RF (B1 + ) عمدتاً ناشی از پورت فلزی بود. مقادیر اندازه گیری شده دامنه میدان مغناطیسی، به خاطر وجود دستگاه اتساع دهنده، به طور قابل توجهی افزایش نیافتند. ماکزیمم مقادیر SAR متوسط 1 یا 10 گرم در بافتهای نزدیک ایمپلت پائین تراز حد انتظار در مناطق دیگر بدن بیماربود، در خط مرکزی کویل نرمال سازی |B1 + | برابر با 2 µT و SAR متوسط کل بدن برابر با 4W/kg بود.
1. مقدمه
سرطان آمریکا برآورد نمود که هر ساله در آمریکا بیش از 250000 مورد جدید از سرطان سینه رخ می دهد. بازسازی پستان پس از ماسکتومی معمولاً با استفاده از اتساع دهنده های بافت انجام شده و تکنیکی معمول برای بازسازی پستان به شمار می رود. طبق مطالعه انجام شده در سال 2003 مشتمل بر 1984 فرد مبتلا به سرطان سینه، تقریباً 49 درصد از افراد تحت ماسکتومی قرار گرفتند. این امر منجر به استفاده از تعداد قابل توجهی اتساع دهنده بافت پستان گردیده است. هرچند تعداد دقیق چنین دستگاههای مورد استفاده مشخص نیست، اما پایگاه داده سازمان غذا و دارو (FDA) نشان می دهد که بیش از 50 دستگاه اتساع دهنده بافت پستان از طریق فرایند FDA 510(k) ترخیص شده است.
بیمارانی که در آنها از اتساع دهنده بافت پستان استفاده می شود، بعضاً برای پیگیری باید MRI شوند. اما، نگرانیهای ایمنی حل نشده ای در رابطه با کاربرداین دستگاهها در محیط MR وجود دارد. به خاطر عدم وجود لیبل گذاری (برچسب) شرطی MR برای دستگاههای قبلاً ترخیص شده، اسکن MRI بیمارانی با این دستگاهها، یک شیوه بدون لیبل تلقی شده به همین خاطر نگرانیهای ایمنی باید به شکلی بهتر درک و توزیع شوند.
اتساع دهنده های بافت پستان از یک کیسه ( به عبارتی دیوار الاستومری)، با شل یا پوسته بیرونی سیلیکونی و یک شیر داخلی یا پورت فلزی خارجی برای تزریق مایع نمکی تشکیل می شوند. معمولاً، یک آهنربای دائمی کوچک در داخل پورت فلزی قرار داده می شود تا بدین طریق مکان اسلات تزریق برای تزریق سالین اضافی مشخص گردد. پس از کاشت (ایمپلنت) کیسه، به تدریج طی چند هفته با تزریق دوره ای سالین از طریق پورت، بزرگ می شود. زمانی که به اندازه هدف می رسد، دستگاه در نهایت با ایمپلنت دائمی پستان جایگزین می شود.
حضور پورت فلزی و آهنربا (مگنت) موجود در دستگاه، نگرانیهای ایمنی ممکن در محیط MRI، در رابطه با گرم شدن ناشی از فرکانس رادیویی (RF) بافت، گرم شدن ناشی از گرادیان و اثرات نیروهای مکانیکی و گشتاور بر دستگاه را افزایش می دهد. حضور فلز می تواند آرتیفکت های تصویر قابل توجهی نیز تولید نموده و منجر به از دست رفتن کاربرد تشخیصی تصاویر گردد. بنابراین، برای اتساع دهنده های بافت پستان بکاررفته در بیماران ماسکتومی، توسعه و ارزیابی دقیق اثرات محیط MRI ضروری می باشد.

Abstract

This study describes the MRI-related radio frequency (RF) safety evaluation of breast tissue expander devices to establish safety criteria. Numerical simulations and experimental measurements were performed at 64 MHz with a gel phantom containing a breast expander. Additionally, computational modeling was performed (64 and 128 MHz) with an adult female model, containing a virtually implanted breast tissue expander device for four imaging landmark positions. The presence of the breast tissue expander device led to significant alterations in specific absorption rate (SAR) and |B1 + | distributions. The main source of SAR alterations with the use of the breast expander device was the saline-filled pouch of the expander. Conversely, the variation of RF magnetic field (B1 + ) was mainly caused by the metallic port. The measured values of electric field magnitude did not increase significantly due to the introduction of the expander device. The maximum 1g- or 10gaveraged SAR values in tissues near the implant were lower than those expected in other regions of the patient body with normalization of both |B1 + | equal to 2 µT at the coil isocenter and whole body averaged SAR equal to 4 W/kg.

1. Introduction

THE American Cancer Society estimated that there are more than 250 000 new cases of breast cancer every year in the US [1]. Postmastectomy breast reconstruction is usually accomplished using tissue expanders and is a common technique used for breast reconstruction. According to a study published in 2003 involving 1984 breast cancer subjects, approximately 49% of the subjects underwent mastectomies [2]. This has resulted in a significant number of breast tissue expanders being used. Although the precise number of such devices in use is not available, the Food and Drug Administration (FDA) database indicates that more than 50 breast tissue expander devices have been cleared through the FDA 510(k) process [3].Patients with breast tissue expanders sometimes need to be imaged by MRI for follow-up. However, there are unresolved safety concerns pertaining to the use of these devices in the MR environment. Due to the absence of MR conditional labeling for these devices that have been previously cleared, the MRI scanning of patients with these devices is potentially an off-label practice and the safety concerns need to be better understood and disseminated. Breast tissue expanders are composed of a bladder (i.e., elastomer wall), with silicone outer shells and either an internal valve or external metallic port to allow for saline fluid injections. Typically, a small permanent magnet is embedded inside the metallic port to locate the injection slot for additional saline injections. After the pouch is implanted, it is then gradually expanded over a few weeks with periodic saline injections through the port. When the target size is reached, the device is eventually replaced with a permanent breast implant. The presence of the metallic port and the magnet contained in the device raises possible safety concerns in the MRI environment related to radio frequency (RF) induced heating of tissue, gradient-induced heating, and effects of mechanical forces and torque on the device [4]. The presence of metal can also generate significant image artifacts, which can in turn lead to the loss of diagnostic utility of the images. Thus, a careful development and evaluation of the effects of the MRI environment is needed for breast tissue expanders used in mastectomy patients.

ارزیابی ایمنی RF دستگاه اتساع دهنده بافت پستان برای MRI: شبیه سازی عددی و آزمایش

RF Safety Evaluation of a Breast Tissue Expander Device for MRI: Numerical Simulation and Experiment

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
مقدمه
تکنیک‌های حذف اسپکل و نویز
فیلترینگ
ترکیب کردن
سایر روش‌های تقویت تصویر اولتراسوند قلبی
افزایش کنتراست
حذف نویز ثابت
خلاصه و نتیجه‌گیری

بخشی از ترجمه فارسی مقاله:

1. مقدمه
اکوکاردیوگرافی ابزار تشخیصی همه جانبه‌ای در زمان واقعی و بدون هیچ گونه عوارض جانبی ثانویه است و می‌تواند با هزینه نسبتا پایین تصاویری با وضوح فضایی و زمانی بالا ایجاد کند. طیف وسیعی از تکنیک‌های تصویربرداری موجود، اولتراسوند قلب را به یک ابزار متداول برای ارزیابی کمی و کیفی مورفولوژی و عملکرد قلب در دو و سه بعد تبدیل کرده‌اند. تصاویر اولتراسوند قلب را می‌توان (1) از طریق قفسه سینه بیمار که به نام اکوکاردیوگرافی از راه قفسه سینه (TTE) شناخته می‌شود یا (2) از داخل مری بیمار (با استفاده از کاوشگرهای هدف‌یاب تخصصی که همچنین به ناماکوکاردیوگرافی از راه مری (TEE) شناخته شده است؛ بدست آورد. TEE می‌تواند تصاویری با کیفیت بالا تولید کند. با این حال، زمان طولانی تصویربرداری و نیازهای فردی همراه با ناراحتی خاطر بیمار استفاده بالینی آن را محدود می‌کند و باعث می‌شود TTE روش متداولی در معاینات بالینی باشد. با این حال، تصاویر اولتراسوند قلب از راه قفسه سینه اغلب ناقص (پوشش نسبی قلب) هستند و از طیف وسیعی از آرتیفکت‌هایی که به دلیل تعامل سیگنال‌های اولتراسوند منتقله با ساختارهای آناتومیکی بدن مورد بررسی ایجاد می‌شوند؛ رنج می‌برند. ساختارهایی مانند استخوان، ریه‌ها (هوا) و چربی اثر مستقیم محدودی بر روی کیفیت و ارزش تشخیصی تصاویر بدست آمده از قلب دارند. علاوه بر این، تصاویر اولتراسوند قلب از راه قفسه سینه یک ساختار دائمی و به سرعت در حال حرکت در میان قفسه سینه بیمار هستند. ماهیت این تصویربرداری چالش‌برانگیز تظاهرات آرتیفکت‌های رایج اولتراسوند پزشکی را افزایش می‌دهد (شکل 1).
تصاویر اولتراسوند قلب از سر و صدای اضافی ناشی از طیف وسیعی از پدیده‌های صوتی (آرتیفکت‌ها) مانند طنین‌ها، لوب‌های کناری و لوب‌ سایه (پرتو اصلی) رنج می‌برند. تاثیر هر یک از آرتیفکت‌ها بر روی ساختار قلبی تصویر برداری شده به تکنولوژی تصویربرداری مورد استفاده و همچنین اکوژنیسیتی بیمار بستگی دارد. به عنوان مثال، مبدل‌های‌ آرایه فازی مدرن، اثر لوب‌های سایه را با استفاده از یک تن صدا به اندازه کافی کوچک (کمتر از نصف طول موج سیگنال منتقل‌شده) بین عناصر آرایه به حداقل می‌رساند. از سوی دیگر، اثر لوب‌های کناری به خصوص زمانی که در خارج از جهت‌های صفحه اسکن منتقل می‌شوند؛ اغلب به نزدیکی ساختارهای خارج قلبی مانند ریه و استخوان‌های قفسه سینه وابسته است. علاوه بر این، بسیاری از ابزارها به خصوص مبدل‌های آرایه فازی از پارازیت میدان نزدیک یا اثر زنگ خطر رنج می‌برند. پارازیت میدان نزدیک در بخش بالای اسکن به صورت ناحیه‌ای با سطح بالای اختلال ثابت ظاهر می‌شود که به تدریج برای افزایش عمق اسکنر به صفر کاهش می‌یابد. در نهایت، زاویه تابش پرتو اولتراسوند منتقل‌شده با توجه به ساختار تصویر ممکن است منجر به کنتراست کم بین بافت و محفظه قلبی ‌شود. تنظیمات با توان بالا احتمالا در تلاش برای جبران سیگنال پایین منتقله از بافت ممکن است صدایی که اغلب در محفظه‌های قلبی وجود دارد را تقویت کند. در حالی که لیست جامعی وجود ندارد؛ آرتیفکت‌هایی که در بالا نام آنها ذکر شد ساختارهای قلبی را تخریب می‌کنند و از چشم‌انداز تصویربرداری می‌توانند به عنوان یک نویز در نظر گرفته شوند.
تصویربرداری از ساختارهای نسبتا کوچک و به سرعت در حال حرکت مانند دریچه‌های قلب، چالش‌های بیشتری را ایجاد می‌کند. علاوه بر تصویر محدودی که به دلیل نویز ایجاد می‌شود؛ ساختار ممکن است به دلیل حرکت قلبی و تنفسی به داخل و خارج صفحه اسکن حرکت کند. علاوه بر این، به دلیل تعامل اولتراسوند منتقله با ساختارهای بازتابنده و تضعیف‌کننده مانند قفسه سینه و ریه‌های بیمار که در مسیر پرتو اولتراسوند قرار دارند؛ طنین‌ها و سایه‌هایی ظاهر می‌شوند. این آرتیفکت‌ها ممکن است به طور آنی ظاهر شوند یا موقعیت و جهت آنها در سراسر اسکن به دلیل حرکات کوچک مبدل همراه با حرکت تنفس بیمار تغییر کند و در نتیجه تصویربرداری از بخش‌هایی از ساختار قلبی مورد بررسی مبهم می‌شود.
اسپکل نوعی پدیده صوتی است که مسئول ظاهر دانه‌دار تصاویر اولتراسوند می‌باشد. اسپکل نتیجه‌ای از تداخل سازنده و مخرب صداهای تولید شده توسط تفرق پرتو اولتراسوند در نواحی تصادفی، کوچک مقیاس و عدم تجانس بافت است. اسپکل نتیجه مستقیمی از 1) ماهیت اتفاقی بازتاب‌پذیری محیط تفرق و 2) ماهیت منسجم مبدل پیزوالکتریک است.
مطالعات متعدد اطلاعات دقیق‌تری را در مورد ناحیه اسپکل و ویژگی‌های آماری آن فراهم می‌کنند. الگوی دانه‌دار اسپکل گاهی اوقات می‌تواند به عنوان یک ویژگی نامطلوب در نظر گرفته شود زیرا ممکن است جزئیات آناتومیکی ظریف را مبهم کند. در تصاویر اولتراسوند قلب، اسپکل بافت همراه با سطوح بالایی از نویز محفظه می‌تواند تصویر ساختارهای قلبی را محدود کند. علاوه بر این، ظاهر دانه‌دار تصاویر استفاده از تکنیک‌های پردازش مانند ثبت و قطعه‌بندی تصویر را محدود می‌کند. بنابراین حذف نویز و اسپکل احتمالا کیفیت تصویر و ارزش تشخیصی مجموعه داده اولتراسوند قلب را بهبود می‌بخشد. به عبارت دیگر، حرکت اسپکل ممکن است در سرعت بافتی و روش‌های تخمین کشش عضله مانند اکوکاردیوگرافی اسپکل (STE) و تصویربرداری با استفاده از فرکانس رادیویی (RF) مورد استفاده قرار گیرد. هر دو تکنیک با ردیابی حرکت الگوهای اسپکل در طول زمان، عملکرد کلی و ناحیه‌ای قلب را ارزیابی می‌کنند. آنها جایگزین نویدبخشی برای 1) MRI قلب برای ارزیابی تغییر شکل و انقباض بطن چپ و 2) داپلر رنگی برای تصویربرداری از کشش عضله هستند که به مشکلات مربوط به وابستگی زاویه اشاره می‌کنند. شرح مفصلی از اصول STE و همچنین کاربردهای بالینی این روش در حال حاضر و آینده در منابع 6، 12-9 ارائه شده است. به همین ترتیب، اطلاعات بیشتر در مورد تصویربرداری با استفاده از فرکانس رادیویی در منابع 7، 17-13 ارائه شده است. روش‌های پردازش تصویر که موجب افزایش طیف شدت پویایی (کنتراست) درون اسپکل می‌شوند؛ ممکن است دقت و استحکام تکنیک‌های موجود که حرکت اسپکل را اندازه‌گیری می‌کنند؛ بهبود بخشند. در طول سه دهه گذشته، پیشرفت‌های صورت‌گرفته در جمع‌آوری داده‌ها به طور قابل توجهی کیفیت تصویر اولتراسوند قلب را بهبود بخشیده‌اند. با این وجود، بخش قابل توجهی از تصاویر اولتراسوند قلب در حال حاضر کیفیت تصویر پایین و ارزش تشخیصی محدودی را ارائه داده‌اند. در سال 2008، یک مطالعه سیستماتیک بر روی بیماران روتین توسط بخش اکوکاردیوگرافی بیمارستان عمومی غربی (ادینبورگ) انجام شد. نتایج حاصل از مطالعه به منظور اهداف آموزشی در بخش اکوکاردیوگرافی مورد استفاده قرار گرفته‌ و هنوز منتشر نشده‌اند. این مطالعه که با استفاده از سیستم‌های اولتراسوند قلبی قدیمی‌تر و پیشرفته‌‌تر انجام شده بود؛ نشان می‌دهد که حدود 33% از مجموعه داده‌ها دارای کیفیت تصویر و ارزش تشخیصی بالا (ساختار قلبی روشن که امکان سنجش‌های بالینی قابل اعتمادی را فراهم می‌کند)، 33% متوسط (ساختار قلبی نسبتا تخریب‌شده که دقت و صحت سنجش‌های بالینی را محدود می‌کند) و 33% پایین (ساختارهای قلبی بسیار آسیب‌دیده که بارها و بارها سنجش‌های بالینی را محدود می‌کنند) هستند. در حالی که سیستم اولتراسوند پیشرفته کیفیت داده‌های جمع‌آوری شده را بهبود بخشید؛ یافته‌ها به شدت به اکوژنیسیتی بیماران وابسته بودند. علاوه بر این، تعدادی از تکنیک‌های پردازش تصویر مانند ثبت تصویر، قطعه‌بندی تصویر، طبقه‌بندی داده‌ها و آنالیز بافت برای داده‌های به دست آمده از اولتراسوند قلب با استفاده از روش‌هایی مانند CT و MRI، معرفی شده‌اند. این تکنیک‌ها قادر به توسعه ابزارها و پروتکل‌هایی هستند که دقت، توانمندی و تکرارپذیری فرآیندهای تشخیصی را افزایش می‌دهند. در طی چند سال گذشته، تکنیک‌های پس از پردازش مشابهی برای تصاویر اولتراسوند قلبی بکار گرفته شده‌اند. پیشرفت‌های اخیر در اکوکاردیوگرافی سه بعدی در زمان واقعی (RT3DE) استفاده بالقوه از این تکنیک‌ها را گسترش داده‌اند. با این حال، از آنجایی که تکنیک‌های پردازش تصویر ممکن است بر روی تصاویر با کیفیت بالا عمل کنند؛ سطوح بالای نویز، کنتراست پایین، اسپکل و سایه اثربخشی این تکنیک‌ها را در بخش قابل‌توجهی از مجموعه داده‌های اولتراسوند قلب محدود می‌کند. بنابراین توسعه اثربخشی روش‌های پس پردازش که کیفیت و ارزش تشخیصی تصاویر اولتراسوند قلب را افزایش می‌دهند؛ مدنظر است. تکنیک‌های پس پردازش به تغییرات سخت‌افزاری نیاز ندارند و می‌توانند برای داده‌های موجود و جدید به کار گرفته شوند. این مطالعه تلاش می‌کند تا یک بررسی جامع از تکنیک‌های پس پردازش برای تصاویر اولتراسوند قلب ارائه دهد.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

ECHOCARDIOGRAPHY provides a versatile, real-time diagnostic tool with no adverse secondary effects, capable of acquiring images of high spatial and temporal resolution at relatively low operational cost [1]. The wide range of available imaging techniques makes cardiac ultrasound a prevalent tool for the qualitative and quantitative assessment of cardiac morphology and function in both 2-D and 3-D. Cardiac ultrasound images can be acquired 1) through the thorax of the patient, also known as transthoracic echocardiography (TTE), or 2) from inside the esophagus of the patient (by utilizing specialized acquisition probes), also known as transesophageal echocardiography (TEE) [2]. TEE can generate high-quality images. However, the extended acquisition time and personnel requirements along with patient discomfort currently limit its clinical use, making TTE the common approach in clinical examinations. However, transthoracic cardiac ultrasound images are often incomplete (partial heart coverage) and suffer from a range of artifacts as a consequence of the interaction of the transmitted ultrasound signals with anatomic structures of the examined body. Structures such as bone, lungs (air), and fat have a direct limiting effect on the quality and diagnostic value of the acquired cardiac images. Furthermore, transthoracic cardiac ultrasound images a constantly and rapidly moving structure through the patient’s rib cage. The nature of such a challenging acquisition enhances the manifestation of common medical ultrasound artifacts (Fig. 1). Cardiac ultrasound images suffer from acoustic noise due to a range of acoustical phenomena (artifacts) such as reverberations, side-lobes, and grating-lobes [1], [2]. The extent of each artifact on the imaged cardiac structures depends on both the acquisition technology utilized as well as the echogenicity of the patient. For example, modern phased-array transducers minimize the effect of grating-lobes by using an adequately small pitch (less than half the wavelength of the transmitted signal) between the elements of the array. On the other hand, the effect of side-lobes, especially when transmitted in out-of-scan-plane directions, is mostly related to the proximity of extra-cardiac structures such as the lung and rib-cage bones. Furthermore, many instruments, especially phased array transducers, suffer from near-field clutter or ring-down effect [2]. Near-field clutter manifests itself at the top part of the scan as a zone with a high level of stationary noise that gradually declines to zero for increasing scanning depth [2]. Finally, oblique incidence angles of the transmitted ultrasound beam with respect to an imaged structure may result in low contrast between the cardiac tissue and chamber. A high-gain setting, possibly in an attempt to compensate for the low tissue signal, may result in additional amplifier noise mostly present in cardiac chambers. While not an exhaustive list, the aforementioned artifacts corrupt the imaged cardiac structures and from an imaging perspective can be considered as noise. Imaging of relatively small and rapidly moving structures such as the cardiac valves introduces additional challenges. Besides the limited delineation as a result of noise, the structure may move into and out of the scan plane due to the cardiac and respiratory motion. Furthermore, reverberations and shadowing appear due to the interaction of the transmitted ultrasound with high reflective and attenuating structures, such as the patient’s rib cage and lungs that lie in the path of the ultrasound beam. Such artifacts may appear momentarily or alter their position and orientation throughout a scan due to small movements of the transducer combined with the patient’s respiration motion, obscuring the imaging of portions of the examined cardiac structure [1], [2]. Speckle is a type of acoustic phenomenon responsible for the granular appearance of ultrasound images. Speckle is a result of constructive and destructive interference of echoes produced by scattering of ultrasound at random, small-scale, tissue inhomogeneities. Speckle is a direct consequence of 1) the stochastic nature of the reflectivity of scattering media, and 2) the coherent nature of the piezoelectric transducer. Several studies provide detailed information on the origin of speckle and its statistical properties [3]–[5]. The granular pattern of speckle can sometimes be considered as an undesirable property since it may obscure fine anatomic detail. In cardiac ultrasound images, tissue speckle combined with high levels of chamber noise can limit the delineation of cardiac structures. Furthermore, the granular appearance of the images limits the application of postformation processing techniques such as image registration and segmentation. Therefore, means for suppressing noise and speckle can possibly improve the image quality and diagnostic value of a cardiac ultrasound dataset. On the other hand, speckle motion may be utilized in tissue velocity and strain estimation methods such as speckle tracking echocardiography (STE) [6] and radio frequency (RF)-based strain imaging [7]. Both techniques assess global and regional cardiac function by tracking the movement of speckle patterns over time. They provide a promising alternative to 1) tagged cardiac MRI for assessing left ventricular deformation and torsion [8], and 2) color Doppler for strain imaging, addressing problems associated with angle dependence [7]. Detailed descriptions on the principles of STE as well as current and future clinical applications are provided in [6], [9]–[12]. Similarly, more information on RF-based strain imaging is provided in [7], [13]–[17]. Image processing methods that enhance the intensity dynamic range (contrast) within speckle may improve the accuracy and robustness of such existing techniques that tackle speckle motion. Over the last three decades, a number of advances in data acquisition have substantially improved cardiac ultrasound image quality. Nevertheless, a considerable portion of current cardiac ultrasound images demonstrate low image quality and limited diagnostic value. In 2008, a systematic study was performed on routine patients going through the echocardiography department of the Western General Hospital (Edinburgh). The results of the study have been used for educational purposes in the department and have not been published yet. The study, performed using both older and the state-of-theart cardiac ultrasound systems, demonstrated that about 33% of the datasets are of high (clear cardiac structures, enabling reliable clinical measurements), 33% are of average (partially corrupted cardiac structures, limiting the accuracy and precision of clinical measurements), and 33% are of low (highly corrupted cardiac structures, limiting and many times prohibiting clinical measurements) image quality and diagnostic value. While the state-of-the art ultrasound system improved the quality of the acquired data, the findings were heavily dependent on the echogenicity of the patients. Furthermore, a number of postformation image processing techniques such as image registration, image segmentation, data classification, and texture analysis have been introduced for cardiac data acquired using modalities such as CT and MRI [18]–[20]. These techniques enable the development of tools and protocols that enhance the accuracy, robustness, and repeatability of the diagnostic process. Over the last few years, similar postprocessing techniques have been attempted on cardiac ultrasound images [21]–[24]. Recent advances in real-time 3-D echocardiography (RT3DE) extend the potential application of such techniques [25], [26]. However, while postformation image processing techniques may work on high quality images, high levels of noise, low contrast, speckle, and shadowing limit their effectiveness in a considerable proportion of clinical cardiac ultrasound datasets. The development of effective postprocessing methods that enhance the quality and diagnostic value of cardiac ultrasound images is, therefore, desirable. Postprocessing techniques do not require hardware modifications and can be applied to both existing and new data. This study attempts to provide a thorough review of such image-enhancement postprocessing techniques for cardiac ultrasound images.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

مقدمه
روش ها
نتایج
بحث
محدودیت ها
نتیجه گیری

بخشی از ترجمه فارسی مقاله:

روش ها
پس از تصویب کمیته اخلاق پژوهشی بیمارستان میسونف-روزمونت منتسب به دانشگاه مونترال، بیماران با یک ضربان ساز قلبی کاشت شده( مدترونیک، مینیاپولیس، مینه سوتا، و بوستون علمی، تاتیک، MA، ایالات متحده) برای این مطالعه از اکتبر 2011 تا نوامبر 2011 در طی ویزیت های تعقیبی در کلینیک سرپایی ضربان ساز استخدام شدند. پس از بررسی دستگاه اولیه توسط کاردیولوژیست، پروتوکل به همه بیماران توضیح داده شده و افرادی که موافق شرکت در مطالعه بودند، یک فرم رضایت نامه کتبی را امضا کردند.
داده های بیماران از جمله سن، جنسیت، قد، وزن، شاخص توده بدن(BMI) ثبت شدند. پروتوکل بر روی بیمارانی که لباس بیمارستان پوشیده بودند انجام شد. پایش الکتروکاردیوگراف با سه سیم سرب پیوسته(ECG) بر روی بیمار قرار داده شد و ECG توسط یک دکترای پزشکی(MD)، یک متخصص بیهوشی و یا یک رزیدنت ارشد بیهوشی و نیز پرستار دارای مجوز(RN) در سرتاسر مطالعه آنالیز شد. اول، یک استریپ ریتم( نوار قلب) از بیماران بدست امد. سپس، یک مگنت گرد مدترونیک(#174105-2, Minneapolis, MN, USA ) بر روی ضربان ساز قرار گرفته و یک کپی از ECG برای تایید رفتار حالت مگنت تعیین شده توسط کارخانه، بدست امد. بیماران با ICD و بیمارانی که در آن ها ریتم قلبی غیر قابل تمایز از ریتم پایه است، حذف شدند. مگنت گرد نیز خارج شد.
بخش اول مطالعهف ارزیابی دو پرده مغناطیسی متفاوت بود. یک عضو پرسنل که در مطالعه حضور نداشت، دو پرده مغناطیسی را در یک کیسه پلاستیکی تیره پنهان کرد. پرده اول(CVD)، 29.5 cm × 37.5 cm بوده و دارای 70 آهنربای فریت سرامیک (116 پرده قابل استفاده مجدد #31140588، منسفلد امریکا) بود. در مطالعه قبلی(14)، آهنرباها در پرده CVD در یک حالت تصادفی صرف نظر از قطب آن ها، قرار می گیرند. در یک تک پرده، قطب هر آهنربا بر مسیر کلی مغناطیسم آن پرده تاثیر می گذارد. از این روی در ابتدای هر روز از جمع اوری داده ها، یک پرده متفاوت CVD برای کاهش اریبی ناشی از علامت مغناطیسی هر پرده تجاری استفاده شد. دومین پرده مغناطیسی یک نمونه ساخته شده با پوسته سیلیکون مشابه با پرده CVD بود، با این حال دارای 70 آهنربای فریت بود( شکل 2). ماده ایزولاسیون متشکل از یک کلاهک فلزی مبتنی بر فولاد بود که موجب کاهش بقایای مغناطیسی بر روی هر طرف پرده شده و تنها قسمت زیرین آهنربای فریت را برای ایجاد میدان مغناطیسی تک سویه پوشش می داد. میدان مغناطیسی کل بر روی سمت رو به بیمار کم تر از 10 گاوس بود( شکل 3)( فایل اضافی 1).
هر پرده مغناطیسی پنهان شده و بر روی ضربان ساز بیمار با کمک یک نوار اندازه گیری یکی پس از دیگری، قرار گرفت. محقق انجام دهنده مطالعه و جمع اوری کننده داده ها هر دو از نوع پرده مغناطیسی خبر نداشتند.تداخل مغناطیسی در صورتی شناسایی شد که ریتم قلبی، آسنکرون و مشابه با تداخل ناشی از ریتم آهنربای گرد بود. در صورتی که هیچ گونه تغییری در ریتم با پرده مغناطیسی وجود نداشته باشد، پرده به فاصله 1-2 سانتی متر بر روی ضربان ساز برای استخراج یک ریتم آسنکرون جا به جا می شود. وقتی که پروتوکل کامل شد، بیمار به یک کاردیولوژیست مراجعه کرده و در صورت امکان، ترخیص می شد.
بخش دوم مطالعه شامل ارزیابی و مقایسه چهار پرده مغناطیسی متفاوت از جمله CVD با پرده مغناطیسی نمونه بود. همه چهار پرده مغناطیسی تحت یک پروتکل همانند پرده های مغناطیسی در بخش اول مطالعه قرار گرفتند. به دلیل اندازه ها و اشکال مختلف چهار پرده، امکان ایجاد یک ارزیابی کور با یک کیسه پلاستیکی تیره وجود نداشت. پرده های مغناطیسی ارزیابی شده شامل پرده مغناطیسی CVD، پرده مغناطیسی JCM( پد مغناطیسی چند بار مصرف، جک سل مدیک، مونت رویال، کبک کانادا)، پرده مغناطیسی LDR( پد ابزار مغناطیسی، #25-002، اندازه ، شرکت صنایع درویال، پاول، TN، امریکا) و پرده مغناطیسی SDR( پد ابزار مغناطیسی، #25-001، اندازه ، شرکت صنایع درویال، پاول، TN، امریکا) بود.
محاسبه اندازه نمونه برای برایند اولیه( اولین بخش از مطالعه) بر اساس مقایسه مستقیم بین نسبت بیماران تجربه کننده تداخل ضربان ساز مرتبط با پرده CVD در یک گروه و یک الگوی جدید در دیگری بود. مطالعه قبلی نشان داد که استفاده از پرده CVD منجر به تداخل ضربان ساز در 70 درصد شرکت کننده ها(14) شد و ما به دنبال کاهش 50 درصدی( از 70 تا 35 درصد) در تداخل با پرده نمونه بودیم. سپس محاسبه شد که 30 بیمار در هر گروه برای نشان دادن این تفاوت با به ترتیب الفا و بتای 0.05 و 0.8 نیاز بود.
محاسبه اندازه نمونه برای بخش دوم از نتایج بدست آمده در طی بخش اول مطالعه با استفاده از نسبت بیماران تجربه کننده تداخل با نمونه ها به عنوان مبنایی برای محاسبه، بر گرفته شد. چون هیج مورد تداخل مشاهده نشد، تصمیم گرفته شد تا بیست شرکت کننده برای مرور اکتشافی تداخل ضربان ساز مرتبط با دستگاه های مختلف استفاده شوند.
تست دقیق فیشر برای مقایسات در اولین بخش مطالعه استفاده شد. تنها آماره های توصیفی برای دومین بخش استفاده شدند. محاسبات و تحلیل ها با بسته آماری Prism 5.0 انجام شد( شرکت نرم افزار GraphPad، لا جولا،CA، امریکا). در غیر این صورت، داده ها به صورت میانگین+SD نمایش داده شده شدند و مقدار P <0.05 به صورت معنی دار در نظر گرفته شد.

بخشی از مقاله انگلیسی:

Methods

Following approval of the research ethics committee of the Maisonneuve-Rosemont Hospital affiliated to the University of Montreal, patients with an implanted cardiac pacemaker (Medtronic, Minneapolis, Minnesota, and Boston Scientific, Natick, MA, USA) were recruited for this study from October 2011 until November 2011 during regular device follow-up visits at the outpatient pacemaker clinic. After the cardiologist performed the initial scheduled device interrogation, the protocol was explained to all patients, and those who agreed to participate in the study, signed a written consent form. Patient data including age, sex, height, weight, body mass index (BMI) were recorded. The protocol was performed with the patient supine, wearing a hospital gown. Continuous 3-lead electrocardiographic (ECG) monitoring was placed on the patient and the ECG was analysed by a medical Doctor (MD), an anesthesiologist or an anesthesiology senior resident, as well as a registered Nurse (RN) throughout the study. First, a strip of the patient’s baseline rhythm was obtained. Then, a Medtronic round magnet (#174105- 2, Minneapolis, MN, USA) was placed on the pacemaker and a copy of the ECG to confirm the magnet mode behavior as specified by the manufacturer was obtained. Patients with ICDs and patients in whom the magnet rate cardiac rhythm was indistinguishable from their baseline rhythm were excluded. The round magnet was then removed. Part 1 of the study was to assess two different magnetic drapes. A member of the personnel not involved in the study concealed the two magnetic drapes in an opaque plastic bag. The first drape (“CVD”) measured 29.5 cm × 37.5 cm and contained 70 ceramic ferrite magnets (116 Reusable Drape #31140588, Devon by Covidien, Mansfield, MA, USA) (Fig. 1). In a previous study [14], the magnets in the CVD drape were found to be inserted in a random fashion, regardless of polarity. In a single drape, the polarity of each magnet can impact the overall vector of magnetism of that drape. Thus, at the beginning of each data collection day, a different CVD drape was used in order to reduce bias caused by the potential magnetic signature of each commercial drape. The second magnetic drape was a prototype made with a silicone shell similar to the CVD drape, but instead contained 70 isolated ferrite magnets (Fig. 2). The isolation material consisted of a steel-based metal cup that diminished the magnetic remanence on the patient side of the drape and only encapsulated the underside of each ferrite magnet in order to create a unidirectional magnetic field. The overall magnetic field on the patient facing side was less than 10 Gauss (Fig. 3) (Additional file 1). Each magnetic drape was concealed and centered over the patient’s pacemaker, with the help of a measuring tape, one after the other. The investigator performing the study and the data collector were both blinded to the type of magnetic drape. Magnetic interference was identified if the cardiac rhythm was asynchronous and identical to that produced by the round magnet rhythm. If there was no change in rhythm with the magnetic drape, the drape was displaced in 1–2 cm increments over the pacemaker in an effort to elicit an asynchronous rhythm. Once the protocol was completed, the patient was referred to the cardiologist who, if the situation permitted, discharged the patient. Part 2 of the study consisted of evaluating and comparing 4 different commercially available magnetic drapes, including the CVD, with the prototype magnetic drape. All four of these commercially available magnetic drapes underwent the same protocol as the magnetic drapes in part 1 of the study. Due to the different sizes and shapes of the four drapes, it was not possible to create a blinded evaluation with an opaque plastic bag. The magnetic drapes evaluated were the CVD magnetic drape, the “JCM” magnetic drape (Reusable Magnetic Pad, Jac-Cell Medic, Town of Mount-Royal, Quebec, Canada), the “LDR” magnetic drape (Magnetic Instrument Pad #25-002, size 20″ × 16″, DeRoyal Industries Inc., Powell, TN, USA), and the “SDR” magnetic drape (Magnetic Instrument Pad #25-001, size 10″ × 16″, DeRoyal Industries Inc., Powell, TN, USA). The sample size calculation for the primary outcome (first part of the study) was based on the direct comparison between the proportion of patients experiencing pacemaker interference associated with the CVD drape in one group and the new prototype in the other. A previous study having shown that using the CVD drape caused pacemaker interference in 70 % of participants [14], we elected to look for a 50 % reduction (from 70 to 35 %) in interference with the prototype drape. It was then calculated that 30 patients per group were needed to show such a difference with alpha and beta errors of 0.05 and 0.8 respectively. The sample size calculation for part 2 was to be derived from the results obtained during the first part of the study, using the proportion of patients experiencing interference with the prototype as a base for calculation. Since no case of interference was observed, it was arbitrarily decided to recruit twenty participants to provide an exploratory overview of the pacemaker interference associated with the various commercially available devices. Fisher’s exact test was used for comparisons in the first part of the study. Only descriptive statistics were used for the second part. Calculations and analyses were performed with Prism 5.0 statistical package (GraphPad Software Inc, La Jolla, CA, USA). Unless stated otherwise, data are presented as mean ± SD and a p value <0.05 was deemed significant.

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

بخشی از ترجمه فارسی مقاله:

مقدمه
صرع، شایعترین اختلال عصبی بعد از میگرن، سکته ی مغزی و بیماری آلزایمر می باشد که حدود 50 میلیون انسان در سراسر جهان با صرع زندگی می کنند. صرع در تمام سنین رخ می دهد و می تواند آنها را از لحاظ اقتصادی، اجتماعی و حتی فرهنگی تحت تاثیر قرار دهد. افردی که صرع دارند اغلب فرصت های تحصیلی کاهش یافته، موانعب برای مشاغل خاص، دسترسی کاهش یافته به سلامتی و بیمه ی عمر و دیگر تبیض و انگ اجتماعی را تجربه می کنند.مطالعات اخیر نشان داده اند که بالای %70 از بیماران مبتلا به صرع می توانند درمان شوند. به هر حال سه چهارم کشورهایی با درآمد پایین یا متوسط نمی توانند به درمانی که آنها نیاز دارند برسند. این حالت یک شکاف درمانی می باشد زیرا %80 از افرادی که مبتلا به صرع هستند در این کشورها زندگی می کنند. موانع درمانی این افراد، شامل فقدان ارائه دهندگان مراقبت سلامتی آموزش دیده و تکنیک های تشخیصی کم هزینه ی معتبر می باشد.
بعضی از عواملی که منجر به صرع می شوند عبارات از:اتصالات غیر طبیعی مغز، افزایش هماهنگ سازی فعالیت عصبی در مغز، یک اسیب مغزی به همراه شرایطی که فعالیت طبیعی مغز را مختل می کنند و یا بعضی از ترکیبات این فاکتورها. مشخصه ی صرع، تشنج های مکرر و بی دلیل می باشد. در طول فرایند epileptogenesis شبکه ی نرمال عصبی بطور ناگهانی به یک شبکه ی بیش از حد تحریک پذیر تبدیل می-شود که بیشتر بر قشر مخ تاثیر می گذارد. رایج ترین تست های تشخیصی صرع، اندازه گیری فعالیت های الکتریکی مغز از طریق ردیابی سیگنال های موج نگاری مغز (EEG) و magnetoencephalogram (MEG) و اسکن های مغزی شامل توموگرافی محاسبه ایی (CT)، توموگرافی نشر پوزیترون (PET) و تصویربرداری رزونانس مغناطیسی (MRI) می باشد.
EEG یک تکنیک کم هزینه، غیر تهاجمی و در عین حال کارامد برای بررسی فعالیت مغزی می باشد. تخلیه-های spike غیر طبیعی در ثبت EEG می توانند قبل و در طول حمله ی تشنج شناسایی شوند . ثبت فازهای تشنج ictal و preictal از طریق تجزیه و تحلیل ویژگی های EEG، به مدت طولانی مطالعه شده است. این ویژگی های EEG از طیف وسیعی از محدوده ی زمانی، محدودی ی فرکانسی، تجزیه و تحلیل فرکانس زمانی و ویژگی هایی بر اساس دینامیک های سیگنال انتخاب می شوند. روش های غیر خطی، اخیراً بسیار مورد توجه هستند زیرا سیگنال های EEGخروجی های یک سیستم ذاتاً پیچیده و غیر خطی مغز در نظر گرفته می شوند. مطالعات منتشر شده روش های غیر خطی متفاوتی، به خصوص ویژگی های آنتروپی مانند آنتروپی تقریبی، آنتروپی نمونه، آنتروپی فازی و آنتروپی جایگشت یا ترکیبی از دو یا بیشتر از این ویژگی های آنتروپی را بررسی کرده است. تمام آنها عملکرد خوبی را برای توزیع سیگنال های EEG interictal و ictal و سیگنال-های طبیعی نشان داده اند.
به هر حال، این مطالعات بر اساس ثبت های EEG از پایگاه داده ی خاص می باشند. دلیلی که برای استفاده از داده های طولانی تر وجود دارد بطور جزئی ممکن است بر اساس این حقیقت باشد که روش های آنتروپی سنتی، وابسته به پارامتر هستند و می توانند به تخمین های پایداری تنها با ثبت های داده ی طولانی برسند. بنابراین بیشتر الگوریتم های موجود تنها برای تشخیص رویداد بعدی یا افلاین نسبت به تشخیص در حین رخداد و آنلاین مناسب می باشند. این حالت مراقبان را به اقدام سریع در طول رویداد محدود می کند که برای سلامتی بهتر بیمار مبتلا به صرع، مهم می باشد. بیمار ممکن است در معرض شرایط تهدید کننده ی زندگی مواجه شود اگر یک حمله ی تشنج به سرعت تشخیص داده نشود. بعلاوه تشنج آنلاین و تشخیص تشنج بر اساس ثبت های EEG کوتاه مدت، علاقه ی فزاینده ایی را برای ظهور تقویت کننده های EEG قابل حمل ایجاد می کند. در حال حاضر هیچ مطالعه ایی منتشر نشده است که بطور سیستماتیک برای رسیدن به تشخیص دقیق با استفاده از EEG کوتاه مدت تلاش کرده باشد.در سال 2015 لی و همکارانش، یک روش آنتروپی جدید –آنتروپی توزیع-بر اساس توزیع فاصله ی بین بردار، در نمایش فضای حالت سری های زمانی توسعه دادند. DistEn برتری هم داده ی الگوگیری و هم داده ی کلنیکی جهان واقعی را با تعداد بسیار کمی از نمونه در مقایسه با SampEn و FuzzyEn نشان داده است. بعلاوه، DistEn مانعی را برای وابستگی به پارامتر ورودی روش های سنتی ایجاد می کند. در مطالعه ی قبلی-مان، ما این روش DistEn جدید را برای تجزیه و تحلیل EEGهای طبیعی، ictal و intrictal بکار بردیم و دریافتیم که تفاوت های قابل توجهی بین EEGهای intrictal و ictal وجود دارد. بعلاوه در این مطالعه ما بررسی کرده ایم که چگونه طول EEGها بر عملکرد DistEn تاثیر می گذارد. همچنین ما بین گروه ،تفاوت های DistEn را با استفاده از ثبت کامل، میانگین از هر دوره ی به ترتیب 5 ثانیه و 1 ثانیه در طول ثبت کامل، تست کردیم. جالب اینکه ما دریافتیم که میانگین عملکرد میانگین DistEn دوره های 5 ثانیه تقریباً مشابه به انهایی بود که با استفاده از ثبت کامل EEG یافت شدند. تز طرف دیگر، هنگام استفاده از دوره های 1 ثانیه، DistEn نه تنها قادر به تشخیص تفاوت بین EEGهای ictal و interictal بود بلکه همچنین قادر به تشخیص تفاوت بین EEGهای نرمال و interictal هم بود. اگرچه این مطالعه، از دوره های 1 و 5 ثانیه استفاده کرد، آن حالت درستی از کاربرد طول مدت کوتاه نمی باشد زیرا ان در طول ثبت کامل میانگین گیری شد. بنابراین در مطالعه ی فعلی، در عوض ما تنها یک دوره را استفاده خواهیم کرد. ما تصمیم داریم از طول دوره ی 5 ثانیه نسبت به 1 ثانیه در این مطالعه استفاده کنیم زیرا دوره ی 1 ثانیه بسیار کوتاه است و سایر الگوریتم ها نمی توانند نتایج معتبری را بدهند.
یکی از جنبه های بسیار مهم استفاده از بخش های طولانی مدت، فرایند انتخاب بخش مورد علاقه از ثبت می-باشد. بسیاری از مطالعات، روش انتخاب تصادفی را دنبال می کنند که مشکلاتی را با توجه به ارزیابی تکرارپذیری و تعمیم پذیری تکنیک ارائه می کند. از آنجایی که انتخاب بخش داده به میزان زیادی تحت تاثیر ویژگی ها می باشد، بنابراین نتایج کلی، قابلیت اطمینان یافته ها سوال برانگیز می شود. برای حل این مشکل، ما سه پروتکل تقسیم بندی را پیشنهاد کردیم و نتایج را برای هر یک از انها بطور جداگانه بررسی کردیم.
در این مطالعه ما عملکرد روش های DistEn و SampEn را برای طبقه بندی ثبت های EEG صرع کوتاه مدت با طول داده ی 5 ثانیه مقایسه کردیم. شکل 1 دیاگرام بلوکی این مطالعه را نشان می دهد. در ابتدا ما سیگنال-های EEG را از افراد سالن و مبتلا به صرع از پایگاه داده ی آنلاین جمع آوری کردیم و سه پروتکل را برای انتخاب سیگنال EEG 5 ثانیه از ثبت کامل پیشنهاد کردیم. سپس از DistEn و SampEn برای استخراج ویژگی استفاده کردیم. سرانجام ما عملکرد طبقه بندی ویژگی های استخراج شده در میان گروه های نرمال، interictal، ictalرا ارزیابی و مقایسه کردیم.
الگوریتم های DistEn و SampEn در بخش الگوریتم های DistEn و SampEn توصیف می شوند. بخش توصیف داده های EEG، داده های EEG استفاده شده در این مطالعه را خلاصه می کند. روش های تجزیه و تحلیل آماری در بخش تجزیه و تحلیل آماری ارائه می شوند. نتایج در بخش نتایج، پس از بحث ها در بخش بحث ارائه می شوند. نتیجه گیری در آخرین بخش نتیجه می شود.

بخشی از مقاله انگلیسی:

INTRODUCTION

Epilepsy is the fourth most common neurological disorder after migraine, stroke, and Alzheimer’s disease (Sirven and Shafer, 2014) with an estimated 50 million people globally living with epilepsy (Media-Center, 2015). Epilepsy occurs in people of all ages and can affect them economically, socially, and even culturally. People with epilepsy often experience reduced educational opportunities, barriers to particular occupations, reduced access to health and life insurance, and other social stigma and discrimination (Sirven and Shafer, 2014; MediaCenter, 2015). Recent studies show that up to 70% of people with epilepsy can be successfully treated. However, about three fourths in low- and middle-income countries may not receive the treatment they need. This is a considerable “treatment gap,” since nearly 80% of the epilepsy population live in those countries (Media-Center, 2015). Barriers to treatment for those people include the lack of trained healthcare providers and reliable low-cost diagnostic techniques (Media-Center, 2015). Some common reasons of epilepsy are an abnormality in brain connections, an increased synchronization of neuronal activity in the brain (in which some brain cells either overexcite or over-inhibit other cells), a brain damage associated with conditions that disrupt normal brain activity, or some combination of these factors (NINDS, 2015). The hallmark of epilepsy is recurrent and unprovoked seizures. During the “epileptogenesis” process, the normal neuronal network abruptly turns into a hyper-excitable network, affecting mostly the cerebral cortex (Acharya et al., 2013). The most commonly used diagnostic tests for epilepsy is the measurement of electrical activity in the brain through monitoring electroencephalogram (EEG) or magnetoencephalogram (MEG) signals, and brain scans including computed tomography (CT), positron emission tomography (PET), and magnetic resonance imaging (MRI) (NINDS, 2015; Zhang et al., 2015). EEG is a non-invasive, low-cost, yet effective technique for examining the electrical activity of the brain. Abnormal spike discharges can be identified in EEG recordings before and during a seizure attack (interictal and ictal states). Recognition of interical and ictal seizure phases through the analysis of EEG features has long been studied (Acharya et al., 2013). Those EEG features are selected from a wide spectrum, including timedomain (Meier et al., 2008; Minasyan et al., 2010), frequencydomain (Polat and Güne¸s, 2007; Chua et al., 2011), timefrequency analysis (Ocak, 2009; Tzallas et al., 2009; Guo et al., 2010; Alam and Bhuiyan, 2013; Kumar et al., 2014a,b), and features based on non-linear dynamics of the signal (Yuan et al., 2011). Non-linear methods have attracted increasing attention recently, since EEG signals are considered outputs of an intrinsically non-linear, complex system—the brain. Published studies have explored the availability of different nonlinear methods, especially entropy features such as approximate entropy (ApEn) (Srinivasan et al., 2007; Ocak, 2009; Guo et al., 2010; Kumar et al., 2014a,b), sample entropy (SampEn) (Song et al., 2012), fuzzy entropy (FuzzyEn) (Kumar et al., 2014a; Xiang et al., 2015), and permutation entropy (PE) (Nicolaou and Georgiou, 2012; Li et al., 2014), or the combinations of two or more of these entropy features (Kannathal et al., 2005; Yuan et al., 2011; Acharya et al., 2012, 2015), all of which have shown good performance for distinguishing interictal, ictal EEG signals, and normal signals. However, these studies are based on the entire EEG recordings (whose lengths is usually more than 20 s) from a specific database (Srinivasan et al., 2007; Ocak, 2009; Guo et al., 2010; Yuan et al., 2011; Acharya et al., 2012; Nicolaou and Georgiou, 2012; Song et al., 2012; Kumar et al., 2014a,b). The reason for using longer data length may partly be due to the fact that the traditional entropy methods are parameter dependent and typically can achieve stable estimations only for relatively long data recordings (e.g., 1000 sampling points or more; Richman and Moorman, 2000; Xie et al., 2008; Chen et al., 2009; Yentes et al., 2013). Therefore, most of the existing algorithms are only suitable for offline or post event detection of seizure rather than online or during event detection. This limits the caregivers to take prompt action during an event, which is important for better health outcome of epileptic patient. Patients may be exposed to life-threatening conditions if a seizure onset cannot be detected promptly. Additionally, online epilepsy and seizure detection based on short-length EEG recordings is set to become increasingly favored with the emergence of portable EEG amplifiers. To the best of our knowledge, there is currently no published study that has systematically attempted to achieve accurate detection using short-length EEG recordings. In 2015, Li et al. (2015a) developed a new entropy method— distribution entropy (DistEn)—based on the distribution of inter-vector distances in the state space representation of time-series. DistEn has shown superiority for analysis of both benchmark data (Li et al., 2015a; Udhayakumar et al., 2015) and real world clinical data (Li et al., 2015) with extremely small number of samples compared with SampEn and FuzzyEn. In addition, DistEn precludes the dependence upon input parameters of the traditional methods (Li et al., 2015a; Udhayakumar et al., 2015). In our previous study, we applied this novel DistEn method to analyzing normal, interictal, and ictal EEGs, and found significant differences between the interical and ictal EEGs (Li et al., 2015b). Additionally, in that study we have explored how the length of EEGs influences DistEn performance. We tested the between group differences of DistEn using complete recording (4097 samples), average of each 5 s (868 samples) and 1 s (174 samples) epochs over complete recording, respectively. Intriguingly, we found that the performance of average DistEn of 5 s epochs was almost the same as that was found using the complete EEG recording. On the other hand, when using 1 s epochs, DistEn was not only able to detect the difference between interical and ictal EEGs, but also the difference between normal and interictal EEGs. Although the study used 5 and 1 s epoch, it is not true case of short length application, since it was averaged over the complete recording. Therefore, in the current study we will use only one epoch instead. We have decided to use epoch length of 5 s rather than 1 s in this study as we believe that 1 s epoch is too short and other algorithms (such as SampEn) mostly cannot give in valid results. One important aspect of using a short-length segments from long recording is the selection process of the segment of interest from the recording. Most studies follow the random selection procedure, which presents difficulties with regard to evaluating the reproducibility and generalizability of the technique. Since the choice of data segment mostly affects the feature and hence the overall results, the reliability of the findings becomes questionable. To address this problem, we proposed three segmentation protocols and evaluated results for each of them separately (Li et al., 2015b). In this study, we compared the performance of the DistEn and SampEn methods for classifying short-length epileptic EEG recordings with a data length of 5 s. Figure 1 shows a block diagram of this study. At first, we collected EEG signals from healthy and epileptic subjects from online database and proposed three protocols for the selection of 5 s EEG signal from complete recording. Then we used the DistEn and SampEn for feature extraction. Finally, we evaluated and compared the classification performance of extracted features among Normal, Interictal, and Ictal groups. Algorithms of DistEn and SampEn are described in Section Algorithms of DistEn and SampEn. Section Description of EEG Data summarizes the EEG data used in this study. Statistical analysis methods are provided in Section Statistical Analysis. Results are provided in Section Results, followed by discussions in Section Discussion. Conclusions are presented in the last Section.

نقشه برداری قبل از جراحی مغز در زمان فلج مغزی با استفاده همزمان از EEG و MRI کاربردی با بزرگ نمایی بالا: امکان سنجی و نخستین نتایج

Presurgical brain mapping in epilepsy using simultaneous EEG and functional MRI at ultra‑high field: feasibility and first results

Abstract

Objectives The aim of this study was to demonstrate that eloquent cortex and epileptic-related hemodynamic changes can be safely and reliably detected using simultaneous electroencephalography (EEG)–functional magnetic resonance imaging (fMRI) recordings at ultra-high field (UHF) for clinical evaluation of patients with epilepsy. Materials and methods Simultaneous EEG–fMRI was acquired at 7 T using an optimized setup in nine patients with lesional epilepsy. According to the localization of the lesion, mapping of eloquent cortex (language and motor) was also performed in two patients. Results Despite strong artifacts, efficient correction of intra-MRI EEG could be achieved with optimized artifact removal algorithms, allowing robust identification of interictal epileptiform discharges. Noise-sensitive topographyrelated analyses and electrical source localization were also performed successfully. Localization of epilepsyrelated hemodynamic changes compatible with the lesion were detected in three patients and concordant with findings obtained at 3 T. Local loss of signal in specific regions, essentially due to B1 inhomogeneities were found to depend on the geometric arrangement of EEG leads over the cap. Conclusion These results demonstrate that presurgical mapping of epileptic networks and eloquent cortex is both safe and feasible at UHF, with the benefits of greater spatial resolution and higher blood-oxygenation-level-dependent sensitivity compared with the more traditional field strength of 3 T.

1 Introduction

Functional magnetic resonance imaging (fMRI) is a noninvasive technique capable of detecting hemodynamic changes related to functional brain activity. The most widely used acquisition methods rely on the blood-oxygenation-level-dependent (BOLD) effect, which arises due to a local modification of the magnetic susceptibility caused by the paramagnetic properties of deoxyhemoglobin [1]. The ability to acquire fMRI at ultra-high field (UHF) offers the opportunity to greatly enhance BOLD contrast sensitivity and to subsequently improve the spatial resolution or decrease the number of events required to observe a significant effect [2, 3]. Furthermore, the intravascular signal contribution from draining veins decreases with magnetic field strength [4], allowing a more accurate localization. These benefits open the possibility to better characterize epileptic networks using simultaneous electroencephalography (EEG) and to enhance our understanding of negative BOLD responses [5]. EEG–fMRI at UHF would permit more precise identification of epileptogenic areas and functional vital cortex during presurgical evaluations. Better EEG–fMRI sensitivity may be beneficial to patients with few interictal epileptiform discharges (IED) or those with mitigated results at 3 T. However, the acquisition of EEG during fMRI, especially at UHF, suffers from various artifacts that compromise data quality. First, gradient artifacts completely obscure the EEG during fMRI acquisition. The rapid switching of magnetic field gradients produces electromagnetic induction into the loops formed by the wires of the EEG, the amplitude of which depends on gradient slew rates [6]. If EEG acquisition is synchronized with the MR clock, gradient artifacts are strictly periodic and reproducible and can easily be removed using moving average artifact template subtraction [7, 8]. Second, any motion or vibration of electrodes and leads in the static magnetic field produce induced electromotive forces in EEG that are proportional to the field strength [9]. In particular, pulse artifacts (PA), which are due to a combination of nodding head motion following each heartbeat, scalp expansion inducing motion of the electrodes near superficial arteries, and Hall effect produced by blood flow [10, 11], strongly contaminate the EEG. Contrary to gradient artifacts, PA are nonstationary and highly variable between successive heartbeats. The use of averaged artifact subtraction (AAS) is not sufficient to accurately remove PA, especially at higher fields [8, 12, 13], where both amplitude and variability greatly increase with magnetic field strength [14]. A second step using independent component analysis (ICA) [15] or optimal basis set (OBS) [16] is generally used to remove residuals. At UHF, vibrations induced by the helium pump [17] or by the ventilation system [18] could also seriously affect EEG quality, but they can be limited by using an optimized setup with ultrashort bundled wires [19]. Spontaneous head motion may also affect EEG recordings at higher field and compromise subsequent gradient and PA correction using moving average template subtraction. The fMRI realignment parameters can be used to improve gradient artifact removal [20], and piezoelectric sensors or additional loops on the EEG caps can be used to filter out motion artifacts [9, 21, 22]. Furthermore, the presence of EEG electrodes and conductive wires can alter the homogeneity of the static magnetic field (B0) and disrupt the radiofrequency (RF) field (B1), leading to local signal dropout and distortion in the vicinity of EEG electrodes and to a global decrease of signal-to-noise ratio (SNR) [23]. These artifacts mainly depend on field strength and can significantly impact image quality at UHF. However, given that physiological noise is also reduced, temporal SNR of functional images is less affected, even in the presence of a dense-array EEG cap [24]. In addition to substantial artifacts, simultaneous recordings of EEG and fMRI at UHF raise important concerns regarding patient safety. First, the presence of EEG materials may alter the transmit B1 field distribution, resulting in unpredicted local specific absorption rate (SAR) modification [25]. Second, the radiofrequency pulse wavelength decreases with static magnetic field intensity, increasing the risk of resonant antenna effects in the wires, especially at 7 T [26, 27]. In this report, preliminary results obtained in nine patients with epilepsy using simultaneous EEG–fMRI at 7 T are presented. Our aim was to demonstrate that using an optimized setup and appropriate artifacts removal algorithms, eloquent cortex and epileptic-related hemodynamic changes can be safely and reliably detected at UHF for clinical presurgical evaluation of epileptic patients. To our knowledge, this is the first report of simultaneous EEG– fMRI acquisition at UHF in patients with epilepsy

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی مقاله:

چکیده

سیگنال های فوتوپلتیسموگرافی پالس اکسی متر ها(PPG) تغییرات موضعی حجم خون در بافت ها را اندازه گیری کرده و پالس های محیطی تنظیم شده توسط فعالیت های قلب، تاثیرات تنفسی و دیگر پارامتر های فیزیولوژیک را نشان میدهد. ازین رو، PPG را میتوان برای استخراج سیگنال های حیاتی قلبی عروقی تنفسی مانند ضربان قلب(HR)، نرخ تنفس (RR) و فعالیت های تنفسی (RA) استفاده کرد و با این روش میتوانیم تعداد سنسور هایی که به بدن بیمار برای ثبت سیگنال های حیاتی متصل شود را کاهش دهیم. در این مقاله ما میخواهیم یک الگوریتم مبتنی بر تجزیه ی گروهی حالت تجربی با تحلیل اجزای اصلی(EEMD-PCA) را به عنوان روش جدید برای تخمین HR، RR و RA به صورت همزمان از سیگنال PPG، ارائه دهیم. سپس برای بررسی الگوریتم پیشنهاد شده، ما از 45 دوره از سیگنال های PPG، الکتروکاردیوگرام(ECG) و سیگنال های تنفسی استخراج شده از دیتابیس MIMIC استفاده کردیم. سیگنال های ECG و سیگنال های تنفسی مبتنی بر کاپنوگراف ها به عنوان مرجع مقایسه انتخاب شده و پارامتر های مختلف مانند قدر مربع انسجام (MSC)، ضریب های همبستگی (CC)، و خطای مربع میانگین ریشه(EMS) برای مقایسه ی عملکرد الگوریتم EEMD-PCA با بیشتر روش های موجود در مقالات، استفاده شده است. نتایج برررسی ها به صورت کلی نشان داد که EEMD-PCA پیشنهاد شده در تخمین HR،RR و RA نسبت به روش های موجود صحت بیشتری دارد.
1-مقدمه
نظارت بر روی سیگنال های قلبی تنفسی مانند ضربان قلب، نرخ تنفس، میزان اکسیژن در خون و صحت و اعتماد پذیری این اندازه گیری ها بدون این که فعالیت طبیعی بیمار مختلف شود، یکی از حوزه های مورد علاقه ی تحقیقات برای ارزیابی های سلامتی در شرایط مختلف، میباشد. یکی از سیگنال های بسیار مفید در زمینه ی نظارت بر بیماران قلبی تنفسی استفاده از سیگنال های PPG است که با استفاده از پالس اکسی متر ها به دست می آید. اکنون در صورتی که بتوانیم دیگر پارامتر ها مانند ضربان قلب(HR)، نرخ تنفسی(RR) و فعالیت تنفسی (RA) را از این سیگنال به دست بیاوریم، میتوانیم اطلاعات بسیار زیادی را با استفاده از دستگاه های ارزان پالس اکسی متر ها به دست بیاوریم که این موضوع موجب شده توجه محققان به آن جلب شود.
معمولا ثبت فعالیت های تنفسی به صورت مستقیم تنها در بیمارستان مقدور است و روش های اندازه گیری فعالیت های تنفسی به صور مستقیم مثلا با استفاده از روش های امپدانس سنجی و یا کاپنوگراف، به گونه ای هستند که موجب ناراحتی بیمار میشود. به همین دلیل استفاده از سیگنال های PPG برای به دست آوردن سیگنال های تنفسی از PPG توجهات بسیاری را به خودش جلب کرده است.
برای به دست آوردن سیگنال RR از PPG از روش هایی مانند استفاده از فیلتر میان گذر، استفاده از تبدیل موجک و فیلتر های دیجیتال، مدل سازی های خود بازگشتی دو متغیره و تحلیل های زمانی – فرکانسی پیشنهاد شده است. البته تمام این روش ها برای تخمین RR پیشنهاد شده است اما هیچ روشی برای تخمین RA پیشنهاد نشده است.
در این مقاله ما یک روش جدید مبتنی بر تجزیه ی گروهی حالت تجربی همراه با تحلیل بخش اصلی (EEMD-PCA) برای تخمین همزمان پارامتر های HR، RR، و RA از سیگنال های PPG استفاده میکنیم.

بخشی از مقاله انگلیسی:

Abstract

The pulse oximeter’s photoplethysmographic (PPG) signals, measure the local variations of blood volume in tissues, reflecting the peripheral pulse modulated by cardiac activity, respiration and other physiological effects. Therefore, PPG can be used to extract the vital cardiorespiratory signals like heart rate (HR), respiratory rate (RR) and respiratory activity (RA) and this will reduce the number of sensors connected to the patient’s body for recording vital signs. In this paper, we propose an algorithm based on ensemble empirical mode decomposition with principal component analysis (EEMD-PCA) as a novel approach to estimate HR, RR and RA simultaneously from PPG signal. To examine the performance of the proposed algorithm, we used 45 epochs of PPG, electrocardiogram (ECG) and respiratory signal extracted from the MIMIC database (Physionet ATM data bank). The ECG and capnograph based respiratory signal were used as the ground truth and several metrics such as magnitude squared coherence ((MSC), correlation coefficients (?? ) and root mean square (RMS) error were used to compare the performance of EEMD-PCA algorithm with most of the existing methods in the literature. Results of EEMD-PCA based extraction of HR, RR and RA from PPG signal showed that the median RMS error (quartiles) obtained for RR was 0 (0, 0.89) breaths/min, for HR was 0.62 (0.56, 0.66) beats/min and for RA the average value of MSC and ?? was 0.95 and 0.89 respectively. These results illustrated that the proposed EEMD-PCA approach is more accurate in estimating HR, RR and RA than other existing methods.

I. INTRODUCTION

Monitoring of cardiorespiratory signal like heart rate (HR), respiratory rate (RR), respiratory activity (RA), blood oxygen saturation and blood pressure accurately and reliably without disturbing the normal activities of patients is a task of interest for ubiquitous healthcare (u-health). It is also important for patients having long term cardiorespiratory diseases in the intensive care environment. Pulse oximeter based photoplethysmogram (PPG) signal is one of the strongest candidates for promoting the opportunities of ambulatory and tele-monitoring by monitoring the oxygen saturation (SpO2) reliably and noninvasively. Extraction of HR, RR and RA from this simple, low cost and portable device attracts the researcher, which will be helpful not only for monitoring primary health care but also for detecting cardiorespiratory diseases.

Respiratory signal can be monitored via direct (spirometric measurements) and indirect (capnograph, impedance pneumograph, nasal thermistor, abdomen belts, inductive photoplethysmograph, magnetometer and physiological signal derived) measurement techniques [1]. The direct measurement of respiratory signal is operable only at hospital settings and it is highly inconvenient for the patient [2]. Although most of the indirect measurement approaches reduce the patient discomfort for short term monitoring, they mostly suffer from requirement of additional devices, affects patient’s natural breathing and unsuitable for ambulatory monitoring [2]. To overcome these limitations, researchers pay more attention on physiological signal (electrocardiogram (ECG) and photoplethysmographic (PPG) signal) derived respiratory activity monitoring. However, in the case of pervasive and tele-monitoring, PPG signal is more attractive than ECG signal for its simplicity, portability and small number of sensors. PPG derived RR was first suggested by Nakajima et al. [3, 4] in the early 1990s using simple band pass filter. An automated algorithm based on wavelet transform was proposed by Leonard et al. [5, 6]. In addition to digital filtering [3, 4, 7] and wavelet transform [8], time domain methods [9-11], bivariate auto-regressive modeling [12-14] and time-frequency analysis [15, 16] were proposed to extract RR from the PPG signal. Though, all of these methods were proposed for estimating RR, there were none for estimating RA. Madhav et al. [17] first proposed the modified multi scale principal component analysis (MMSPCA) technique for extracting RA from PPG signal. In this paper, we propose a novel approach based on ensemble empirical mode decomposition with principal component analysis (EEMD-PCA) for simultaneous estimation of HR, RR and RA from PPG signal.